modélisation de l’aire de distribution du piper sp. (tsiperifery) à … · 2018-09-12 · un...

UNIVERSITE D’ANTANANARIVO

ECOLE SUPERIEURE DES SCIENCES AGRONOMIQUES

Mention Foresterie et Environnement

Mémoire de fin d’études pour l’obtention du Diplôme d’Ingénieur en Sciences Agronomiques et

Environnementales au grade de Master en Foresterie et Environnement

Parcours : Environnement, Territoire et Développement

Promotion « ANDRISA »

(2012 – 2017)

Modélisation de l’aire de distribution du Piper sp.

(Tsiperifery) à Madagascar en vue d’une gestion

durable de cette ressource

Présenté par :

RAHERINJATOVOARISON Dimby

Soutenu le 28 mars 2017

Devant le jury composé de :

- Président : RABEMANANJARA Zo Hasina, Docteur-HDR

- Rapporteur : RAKOTO RATSIMBA Harifidy, Docteur-Ingénieur

- Examinateurs : RAZANAKA Samuel, Professeur

QUESTE Jérôme, Docteur

« Na inona na inona ataonareo, dia ataovy ho

voninahitr’Andriamanitra izany rehetra izany. »

(I Kor. 10 : 31b)

i

Remerciements

Le présent mémoire de Master n’aurait pu être achevé sans l’aide de Dieu Tout-Puissant qui m’a procuré

force et courage tout au long des travaux de recherche. En guise de reconnaissance, je tiens à témoigner

mes remerciements à toutes les personnes qui ont contribuées de près ou de loin au bon déroulement de

mon stage de fin d’étude et à l’élaboration de ce modeste travail. Mes sincères gratitudes à :

- Monsieur RAMAMONJISOA Bruno Salomon, Professeur Titulaire, Directeur de l’Ecole Supérieure

des Sciences Agronomiques (ESSA), pour la qualité de son enseignement, ses conseils et son intérêt

incontestable qu’il porte à tous les étudiants ;

- Monsieur RABEMANANJARA Zo Hasina, Docteur-HDR, Chef de la Mention Foresterie et

Environnement au sein de l’ESSA qui, malgré ses innombrables fonctions, a bien voulu présider la

soutenance de ce mémoire ;

- Monsieur RAKOTO RATSIMBA Harifidy, Docteur-Ingénieur, Coordinateur du Laboratoire des

Recherches Appliquées qui, en dépit de ses nombreuses occupations, m’a octroyé un encadrement

de qualité durant la recherche ;

- Madame RAZAFIMANDIMBY Harizoly, Chercheur et conservateur de l’Herbier TEF au

DRFGRN, pour ses judicieux conseils qui ont contribué à alimenter ma réflexion ;

- Monsieur RAZANAKA Samuel, Professeur, et Monsieur QUESTE Jérôme, Docteur, pour m’avoir

fait l’honneur d’apporter leurs remarques pour l’amélioration de ce document.

Je tiens à remercier l’ensemble du personnel de FOFIFA DRFGRN Ambatobe, pour leur accueil

chaleureux lors des rencontres à quelques reprises pendant la période de stage et tous les participants de

la Table ronde sur le Tsiperifery 2016, pour leurs commentaires qui ont permis l’amélioration de ce

travail.

J’étends également mes remerciements à tous les professeurs ainsi que le Personnel Administratif et

Technique de l’ESSA qui ont contribué à ma formation.

Je n’oserais oublier de remercier l’équipe du Laboratoire des Recherches Appliquées ou du Labo-SIG

dirigé par Monsieur RATOVOSON Aina Naval, pour les diverses instructions qui ont énormément

participé à l’accomplissement de ce mémoire.

Je voudrais exprimer ma reconnaissance envers la promotion ANDRISA, en particulier mes amis de la

Mention Foresterie et Environnement et surtout mes « frères » forestiers qui m’ont apporté leur support

moral et intellectuel durant ma démarche.

Un grand merci à toute ma famille pour leur soutien et encouragement inestimable tout au long de mes

études mais aussi pour leur compréhension lors de la réalisation de ce travail de mémoire.

Merci à vous.

ii

Présentation des partenaires

Cette étude est appuyée par le FOFIFA ou Centre National de la Recherche Appliquée au

Développement Rural. Ce centre a été créé en 1974 et est un Etablissement Public à caractère Industriel

et Commercial, doté de la personnalité morale, de l'autonomie financière et administrative. En matière

de recherche, ses principales missions sont de : contribuer à l'élaboration de la politique nationale de

recherche ; mettre en œuvre la politique nationale de recherche en matière de développement rural et

d'en assurer, la définition, la promotion, l'orientation, la coordination et la capitalisation de toutes les

activités de recherche ; développer la recherche thématique de base, pour générer des connaissances et

techniques pour pouvoir anticiper les problèmes. En matière de Développement Rural, il a pour but de

mettre en œuvre les documents de cadrage de la politique générale et des stratégies du Ministère de

l'Agriculture ; d’appuyer et accompagner les actions de diffusion des résultats de recherche auprès des

bénéficiaires cibles. Le DRFGRN est un des départements du FOFIFA et il s’occupe surtout de la

valorisation des produits forestiers et piscicoles donc le Tsiperifery fait partie des ressources qui

suscitent l’intérêt de ce département.

Le DP ou Dispositif de Recherche et d’Enseignement en Partenariats Forêts et Biodiversité est

une convention de partenariat entre le FOFIFA, CIRAD et l’Université d’Antananarivo créé il y a une

quinzaine d’année. Il a pour objectif général de proposer à travers une recherche impliquée, des

approches innovantes et adaptées combinant conservation de la biodiversité forestière malgache et

valorisation des ressources naturelles afin de réduire la vulnérabilité des socio-écosystèmes face aux

changements globaux. Et pour ce faire, il se doit de produire des connaissances, élaborer des outils et

proposer des modalités d’actions afin d’assurer (1) la gestion et la conservation de la biodiversité

forestière au service des populations locales, (2) la gestion durable des ressources naturelles

renouvelables pour le développement rural, et (3) l’intégration multi scalaire de la politique forestière

dans les dispositifs de gouvernance. Le programme Tsiperifery du DP se trouve dans l’axe (1) dont

l’objectif est de développer les bases scientifiques sur l’espèce pour sa gestion et sa valorisation durable.

iii

Résumé

La diversité végétale est vitale pour la survie et le bien-être de l’humanité. Diverses plantes

sauvages jouent un rôle important dans la satisfaction des besoins actuels et futurs en nourriture,

médicaments et matériaux de construction. Entre autres, le Tsiperifery ou poivre sauvage de Madagascar

est une ressource très convoitée au niveau de la gastronomie mondiale pour son goût particulier. Cela

occasionne l’émergence d’une filière de l’espèce au niveau national et international. Néanmoins, la

collecte de l’espèce est destructive et ne permet pas sa régénération en milieu naturel. La connaissance

de l’aire de distribution potentielle de la ressource à Madagascar s’avère alors être un outil indispensable

afin de faciliter les prises de décisions des acteurs et des chercheurs dans la filière pour promouvoir son

exploitation durable. L’étude s’est basée sur le système d’information géographique (SIG).

Des modèles de distribution de l’espèce ont été alors produits avec le logiciel de modélisation

MaxEnt. Le modèle de la distribution actuelle a une Surface Incluse sous la Courbe excellente de 0,94

et celui de la distribution potentielle en 2100 possède une Surface Incluse sous la Courbe de 0,939 ; ce

qui montre un pouvoir prédictif élevé. Ces deux modèles ont permis d’estimer les surfaces de présence

du Tsiperifery par district. L’analyse des données obtenues a confirmé que 31% de la surface totale de

présence actuelle de l’espèce est exploitable et une diminution globale de 70% de cette surface est

estimée en 2100. Selon les modèles d’accessibilité aux bassins d’approvisionnement produits dans

ArcGIS, les districts de Moramanga, Befotaka, Midongy Atsimo et Andapa sont qualifiés d’intéressants

en termes d’exploitation en raison de leur proximité aux marchés et de leur superficie exploitable assez

importante par rapport à celle des autres districts. Ces résultats permettent alors de dire que l’exploitation

de manière durable de ce poivre sauvage est plus bénéfique pour la survie de l’espèce.

Cependant, les résultats obtenus manquent de précision et méritent des validations sur terrain,

notamment ceux sur l’accessibilité aux bassins d’approvisionnement. Des recommandations sont

orientées vers les recherches aux niveaux plus locaux afin d’avoir des résultats plus fiables et sur la

valorisation durable du poivre sauvage de Madagascar.

Mots clés : Tsiperifery, modèles, distribution, bassins d’approvisionnement, Madagascar.

iv

Abstract

Plant diversity is vital for survival and well-being of humankind. Various wild plants play an

important role in meeting current and future needs for food, medicines and building materials. Among

others, Tsiperifery or wild pepper from Madagascar is one of the most wanted spices in gastronomy for

its special taste. This leads to the advent of its sector at national and international level. Nevertheless,

the species collection does not allow its regeneration. Knowledge of the potential range of Tsiperifery

in Madagascar is imperative in order to facilitate decision-making in this sector so as to promote its

sustainable exploitation. The study was based on the Geographic Information System (GIS).

Models of distribution were then produced with the MaxEnt modeling software. The current

distribution model has an excellent Area under Curve the Curve of 0.94 and the Potential Distribution

in 2100 has an AUC of 0.939; it shows that the models have a great predictive power. These two models

are used to estimate the potential range’s areas of Tsiperifery in Madagascar. The data analysis

confirmed that 31% of the total area of this potential range is available for consumption and an overall

decrease of 70% of this area is estimated in 2100. According to the accessibility models produced with

ArcGIS, districts of Moramanga Befotaka, Midongy Atsimo and Andapa are the most interesting supply

areas because of their proximity to markets and their large usable area compared to other districts. These

results suggest that the exploitation of this wild pepper in a sustainable way is advantageous for the

species survival.

However, the results are not yet precise and deserve validation, in particular those on

accessibility to supply basins. Consequently, some recommendations are proposed on doing research in

more local places to have reliable results and also on the sustainable valuation of the wild pepper of

Madagascar.

Key words: Tsiperifery, models, distribution, supply areas, Madagascar.

v

Famintinana

Ny fisian’ny karazan-javamaniry samihafa dia ilain’ny olombelona amin’ny fivelomany sy ny

fahasalamany. Maro ireo zavamaniry-dia izay mamaly ny filàn’ny olombelona ara-tsakafo, manome azy

fanafody sy ireo fitaovam-panorenana isan-karazany ampiasainy ankehitriny sy ny amin’ny ho avy.

Anisan’izany ny Tsiperifery, io no fiantsoana ny dipoavatra-dia avy eto Madagasikara ; maro ireo mitady

azy atao amin’ny sakafo, indrindra fa ny vahiny noho ny tsirony tena miavaka. Izany no mahatonga ny

tsenan’izy io sy ny fitrandrahana azy miroborobo ankehitriny eto anivon’ny firenena ary indrindra moa

fa amin’ny sehatra iraisam-pirenena. Manimba ary tsy mamela ny fitomboan’ity zavamaniry ity anefa

ny fomba fitrandrahana azy ankehitriny. Noho izany dia ilaina ny mahafantatra ireo toerana mety

mampaniry ny Tsiperifery eto Madagasikara mba hanamoràna ny fanapahan-kevitra ho an’ny

mpandraharaha isa-tsokajiny sy ireo mpikaroka miasa ao anatin’io sehatra io ary koa mba ahafahana

mitrandraka azy amin’ny fomba maharitra. Ka ny taosarintany no fitaovana nampiasaina anaovana

izany.

Ny modely miendrika sarin-tany mampiseho ny fizarazaran’ny toerana mety ahitana io

dipoavatra io dia azo avy amin’ny MaxEnt. Ny modely maneho ny fizarazarana amin'izao fotoana izao

dia manana “AUC” lehibe : 0,94 ary ilay maneho ny fizarazarana amin'ny taona 2100 kosa dia manana

“AUC” : 0,939; izany dia manoporofo fa afaka maminavina tsara ny trangan-javatra mety hiseho ny

MaxEnt raha ny momba ny fizarazaran’ny toerana ahitana ny Tsiperifery. Ireo modely roa nivoaka ireo

no nampiasaina mba anombanana ny sarin-tany maneho ny voho mety ahitana ny Tsiperifery isaky ny

distrika. Araka ireo tarehin-kevitra azo dia fantatra fa 31% ny fitambaran'ny faritra mety ahitana io

dipoavatra io amin'izao fotoana izao dia afaka trandrahina ary ahitana fihenana ankapobeny 70% izany

faritra izany raha ny tombana amin'ny 2100. Araka ny sarin-tany maneho ireo toeram-pamatsiana avy

tamin’ny ArcGIS kosa dia ny distrikan'i Moramanga sy Befotaka sy Midongy Atsimo ary Andapa no

nahafeno fepetra fa afaka trandrahana mandritra ny fotoana maharitra noho ny fahakekezan’ny tsena sy

ny faritra azo trandrahana midadasika raha oharina amin'ny distrika hafa. Ireo voka-pikarohana azo ireo

dia ahazoana milaza fa ny fitrandrahana ny Tsiperifery amin’ny fomba maharitra no nisafidy tsara mba

tsy ahalany tamingana io zavamaniry io.

Na izany aza anefa dia dia mila hamarinina tsara ny voka-pikarohana azo, indrindra fa ireo

mikasika ny toeram-pamatsiana. Noho izany dia manolotra soso-kevitra ity asa ity ny amin’ny fitarihana

ny fikarohana any amin'ny faritra kelikely kokoa mba ho azo antoka ny voka-pikarohana ary koa ny

amin’ny fitrandrahana ny Tsiperifery mba ho tena maharitra.

Teny fototra: Tsiperifery, modely (sarin-tany), fizarazarana, toeram-pamatsiana, Madagasikara.

vi

Table des matières

Remerciements ......................................................................................................................................... i

Présentation des partenaires .................................................................................................................... ii

Résumé ................................................................................................................................................... iii

Abstract .................................................................................................................................................. iv

Famintinana ............................................................................................................................................. v

Table des matières .................................................................................................................................. vi

Liste des cartes ..................................................................................................................................... viii

Liste des figures ................................................................................................................................... viii

Liste des équations ............................................................................................................................... viii

Liste des tableaux ................................................................................................................................. viii

Liste des abréviations .............................................................................................................................. x

Glossaire ................................................................................................................................................ xii

Introduction ............................................................................................................................................. 1

Partie 1 : Matériels et Méthodes .............................................................................................................. 3

1.1. Problématique ......................................................................................................................... 3

1.2. Hypothèses .............................................................................................................................. 4

1.3. Etat des connaissances ............................................................................................................ 5

1.3.1. Systématique du Tsiperifery ............................................................................................ 5

1.3.2. Description botanique et phénologie ............................................................................... 6

1.3.3. Niche écologique ............................................................................................................. 8

1.4. Matériels .................................................................................................................................. 8

1.5. Méthodes ................................................................................................................................. 9

1.5.1. Détermination de l’aire potentielle de répartition du Tsiperifery .................................... 9

1.5.1.1. Notion d’entropie maximale .................................................................................... 9

1.5.1.2. Choix de la méthode .............................................................................................. 10

1.5.1.3. Modélisation de la distribution du Tsiperifery ...................................................... 10

1.5.1.4. Prédiction de la couverture forestière en 2100 ...................................................... 12

1.5.2. Calcul des surfaces exploitables .................................................................................... 14

1.5.3. Accessibilité aux bassins d’approvisionnement ............................................................ 15

vii

1.6. Limites méthodologiques ...................................................................................................... 17

1.7. Résumé Méthodologique ....................................................................................................... 18

1.8. Cadre opératoire .................................................................................................................... 19

Partie 2 : Résultats ................................................................................................................................. 22

2.1. Distribution du Tsiperifery .................................................................................................... 22

2.1.1. Prédiction de la couverture forestière en 2100 .............................................................. 22

2.1.2. Modèles de distribution proprement-dit du Tsiperifery ................................................. 23

2.2. Détermination des surfaces exploitables ............................................................................... 30

2.3. Identification des bassins d’approvisionnement .................................................................... 34

Partie 3 : Discussions et Recommandations .......................................................................................... 37

3.1. Discussions méthodologiques ............................................................................................... 37

3.2. Discussions sur les résultats .................................................................................................. 38

3.2.1. Distribution potentielle du Tsiperifery .......................................................................... 38

3.2.2. Surfaces de présence de l’espèce................................................................................... 41

3.2.3. Bassins d’approvisionnement ........................................................................................ 42

3.3. Vérification des hypothèses .................................................................................................. 42

3.4. Recommandations ................................................................................................................. 44

Conclusion............................................................................................................................................. 50

Références Bibliographiques ................................................................................................................. 52

Annexe 1 : Description des quatre morphotypes de Tsiperifery (RAFITOHARSON, 2016) .................... I

Annexe 2 : Illustration de la courbe ROC sur MaxEnt pour le modèle de distribution actuelle ............. II

Annexe 3 : Illustration du seuil de 10 percentile training presence donné par MaxEnt ....................... III

Annexe 4 : Cartes des couvertures forestières prédites en 2047, 2075 et 2100 .................................... IV

Annexe 5 : Plages de valeurs des variables influençant la distribution du Tsiperifery ........................ VII

Annexe 6 : Surfaces de présence du Tsiperifery par district pour selon le modèle de distribution actuelle

............................................................................................................................................................... IX

Annexe 7 : Surfaces de présence du Tsiperifery par district pour selon le modèle de distribution

potentielle en 2100 ................................................................................................................................ XI

Annexe 8 : Niche écologique du Tsiperifery issue de l’étude en 2011 (par RAZAFIMANDIMBY) XIII

viii

Liste des cartes

Carte 1 : Aire de distribution actuelle (à gauche) et aire de distribution potentielle en 2100 du Tsiperifery

(à droite) ................................................................................................................................................ 25

Carte 2 : Carte de présence/absence actuelle (à gauche) et carte de présence/absence en 2100 du

Tsiperifery (à droite) ............................................................................................................................. 26

Carte 3 : Carte de présence/absence actuelle du Tsiperifery avec SAPM et TGRNR .......................... 27

Carte 4 : Surfaces de présence du Tsiperifery selon le modèle de distribution actuelle ....................... 32

Carte 5 : Pourcentage des pertes en surface de présence du Tsiperifery par district en 2100 ............... 33

Carte 6 : Carte des bassins d'approvisionnement en Tsiperifery actuels (à gauche) et en 2100 (à droite)

............................................................................................................................................................... 36

Liste des figures

Figure 1 : Racine crampon de Tsiperifery (RAKOTONASOLO, 2009) ................................................ 6

Figure 2 : Liane présentant un dimorphisme foliaire (RATSARAEFATRARIVO, 2012) ..................... 6

Figure 3 : Tsiperifery en fructification présentant une forte variabilité dans la maturité des grappes

(RATSARAEFATRARIVO, 2012) ........................................................................................................ 7

Figure 4 : Illustration du module Calculate areas.................................................................................. 14

Figure 5 : Résumé Méthodologique ...................................................................................................... 18

Liste des équations

Equation 1 : Formule de l'entropie (SHANNON, 1948) ......................................................................... 9

Equation 2 : Formule de l’indice Kappa (CONGALTON, 1991) ......................................................... 14

Equation 3 : Formule simplifiée de l’indice Kappa (COHEN, 1960) ................................................... 14

Equation 4 : Impédance de la zone d’étude (ANDY, 2000) ................................................................. 16

Equation 5 : Valeur de friction pour une cellule (traversé horizontal ou vertical) (ANDY, 2000) ....... 17

Equation 6 : Valeur de friction pour un pixel (traversé diagonal) (ANDY, 2000)................................ 17

Liste des tableaux

Tableau 1 : Matrice de confusion .......................................................................................................... 13

Tableau 2 : Friction des facteurs ........................................................................................................... 16

Tableau 3 : Matrice de confusion pour la prédiction de la couverture forestière en 1993 .................... 22

Tableau 4 : Matrice de confusion pour la prédiction de la couverture forestière en 2010 .................... 22

Tableau 5 : Tableau récapitulatif des prédictions pour aboutir à la couverture forestière de 2100 ....... 23

Tableau 6 : Contribution des variables sur la répartition actuelle du Tsiperifery ................................. 28

Tableau 7 : Contribution des variables sur la répartition du Tsiperifery en 2100 ................................. 29

Tableau 8 : Bassins d'approvisionnement les plus accessibles selon le modèle de distribution actuelle

............................................................................................................................................................... 34

ix

Tableau 9 : Bassins d'approvisionnement situés entre 5 à 15 heures des marchés ................................ 34

Tableau 10 : Bassins d'approvisionnement les plus accessibles selon le modèle de distribution en 2100

............................................................................................................................................................... 35

Tableau 11 : Tableau comparatif de l’étude en 2011 et celle actuelle sur la distribution du Tsiperifery

............................................................................................................................................................... 38

Tableau 12 : Tableau comparatif de la contribution des paramètres environnementaux sur la distribution

du Tsiperifery pour le modèle en 2011 et celui actuel .......................................................................... 40

Tableau 13 : Cadre logique d’intervention ............................................................................................ 47

x

Liste des abréviations

°C : degré Celsius

ANN : Artificial Neural Network

AP : Aires Protégées

AUC : Area Under Curve

BD : Base de Données

BioSceneMada : Biodiversity Scenarios for Madagascar

CIRAD : Centre de coopération Internationale en Recherche Agronomique pour le Développement

CLB : Communauté Locale de Base

DP Forêts et Biodiversité : Dispositif de recherche et d’enseignement en Partenariats Forêts et

Biodiversité

DRFGRN : Département de Recherches Forestières et Gestion des Ressources Naturelles

DVRF : Direction de la Valorisation des Ressources Forestières

FOFIFA : FOibem-pirenena momba ny FIkarohana ampiharina amin’ny FAmpandrosoana eny

Ambanivohitra ou Centre national de recherche appliquée au développement rural

FTM : Foiben-Taosarintanin'i Madagasikara (Institut Géographique de Madagascar)

GPS : Global Positioning System

km/h : kilomètre par heure

ha : hectare

IPCC : Inter-gouvernemental Panel on Climate Change

MaxEnt : Maximum Entropy

MBG : Missouri Botanical Garden

mm : millimètre

MOLUSCE : MOdules for Land USe Change Evaluation

NAP : Nouvelles Aires Protégées

PERR-FH : Projet Eco-Regional REDD+ - Forêts Humides de Madagascar

PFNL : Produit Forestier Non Ligneux

xi

RBG Kew : Royal Botanic Garden Kew

REBIOMA : Réseau de la Biodiversité de Madagascar

ROC : Receiver Operating Characteristic

SAPM : Système des Aires Protégées de Madagascar

SIG : Système d’Information Géographique

SRTM : Shuttle Radar Topographic Mission

TGRNR : Transfert de Gestion des Ressources Naturelles Renouvelables

WCS : Wildlife Conservation Society

xii

Glossaire

Aire de distribution d’une espèce : zone géographique où cette espèce est présente.

Bassin d’approvisionnement : espace contenant un ensemble des fournitures, des produits destinés à

approvisionner un marché.

Espace : étendue, surface ou région.

Feuille cordiforme : feuille en forme de cœur.

Infrutescences : fruits groupés issus d’une inflorescence.

Modélisation : La modélisation, en géographie, produit de modèles spatiaux. Les modèles, basés

majoritairement sur des méthodes de statistiques spatiales, sont des représentations schématiques de

réalités matérielles ou immatérielles. Les modèles des géographes sont largement utilisés pour faire

ressortir les schémas généraux d’organisation de phénomènes divers dans l’espace et ainsi mieux les

percevoir (VOIRON, 2005).

Niche écologique : ensemble des paramètres environnementaux (climatiques, édaphiques, biotiques)

dont dépend une espèce donnée et qui la différencient des autres espèces occupant le même habitat.

Niche effective : définie par la combinaison des interactions négatives (comme la compétition et la

prédation) qui restreignent la présence d’une espèce et des interactions positives (comme la facilitation)

qui peuvent étendre la plage environnementale dans laquelle une espèce est capable de se développer.

Oblongue : plus long que large et arrondie aux deux extrémités.

Plantes sauvages apparentées à des plantes cultivées : plantes possédant une multitude de gènes d’une

grande valeur potentielle pour l’amélioration génétique des plantes appartenant au même genre.

Beaucoup de ces caractéristiques sont liées à l’adaptation aux changements climatiques.

Plante sciaphile : plante qui ne peut croître que sous ombrage.

Rameau plagiotrope (tige horizontale) : tige qui pousse et émise horizontalement.

Rameau orthotrope (tige droite) : tige qui pousse et émise verticalement vers le haut.

Ressource naturelle : substance, organisme ou objet présent dans la nature et qui fait, dans la plupart

des cas, l'objet d'une utilisation pour satisfaire les besoins (énergies, alimentation, agrément) des

humains, animaux ou végétaux.

SIG : ensemble organisé de matériels informatiques, de logiciels, de données géographiques et de

personnel capable de saisir, stocker, mettre à jour, manipuler, analyser et présenter toutes formes

d'informations géographiquement référencées.

INTRODUCTION

1

Introduction

La diversité végétale est vitale pour la survie et le bien-être de l’humanité. Nombre d’espèces

végétales domestiquées sont cruciales pour la sécurité alimentaire mondiale, tandis que d’autres sont

d’une grande importance dans des domaines tels que la production de bois ou de biocarburant. Outre les

espèces cultivées, de nombreuses plantes sauvages jouent encore un rôle important dans la satisfaction

des besoins locaux en nourriture, médicaments et matériaux de construction ; les espèces sauvages

apparentées aux plantes cultivées ont aussi une grande importance pour les programmes d’amélioration

des plantes. Il existe des centaines d’espèces et de variétés, aujourd’hui sous-utilisées, qui présentent

des caractères intéressants pour satisfaire les besoins actuels et futurs de l’Homme. La valeur de

nombreuses autres espèces végétales reste toujours à découvrir. Parmi ces espèces végétales, le poivre

sauvage de Madagascar tient une place assez importante actuellement vu l’intérêt porté à son égard au

niveau de la gastronomie internationale.

Ce dernier, plus connu sous le nom « Tsiperifery » ou « Voatsiperifery » n’a suscité l’intérêt

scientifique que depuis peu. Il appartient au genre Piper, de la famille des PIPERACEAE. L’arrivée du

projet Crop Wild Relatives (Plantes Sauvages Apparentées) en 2004 a incité les chercheurs à s’intéresser

à cette famille (TOUATI, 2012). Ce qui fait que les données scientifiques concernant ce poivre sont peu

nombreuses et même insuffisantes. Il s’agit d’un produit forestier non ligneux (PFNL), rencontré en

majorité dans les forêts de l’Est malgache. Ses autres noms vernaculaires sont : « Dipoavatra,

Tsimahalatsaka, Sakarivovahy, Sakaiala, sakarivonala ». Il est surtout utilisé par la population locale

comme épice et pour la médecine traditionnelle, c’est un remède contre les blessures, la toux, les maux

d’estomac (MANJATO et al., 2010 ; RAZAFIMANDIMBY, 2011). Présentant des caractéristiques

organoleptiques uniques selon les gastronomes occidentaux, celui-ci est classé comme produit de haut

de gamme de poivre à haute valeur ajoutée (TOUATI, 2012).

De ce fait, le poivre sauvage a une grande importance économique et sociale, mais,

malheureusement, son exploitation est destructive. Le mode de collecte consiste surtout à l’arrachage

de lianes et à l’abattage des arbres tuteurs car les grains sont positionnés entre 8 à 20 m sur les lianes

(LEVESQUE, 2012). En outre, une étude sur le Tsiperifery de Tsiazompaniry affirme que son habitat

est victime de différents types de perturbation. A part la déforestation qui favorise les trouées dans la

forêt (RAZAFIMANDIMBY, 2011), les changements climatiques peuvent également influer sur la

distribution de l’espèce par la perturbation de l’équilibre écologique au sein de cet habitat. Le Tsiperifery

se rencontre surtout dans la forêt dense humide orientale et sa probabilité de présence est élevée dans la

forêt humide d’altitude. Il se rencontre dans les bas-fonds et est absent sur les crêtes

(RAZAFIMANDIMBY, 2011 ; ANDRIANOELISOA, 2013).

INTRODUCTION

2

Il est donc important de connaitre l’aire potentielle de répartition de cette espèce et les

perturbations qui peuvent troubler son habitat afin de proposer des actions effectives pour une meilleure

gestion de la ressource. Par ailleurs, l’analyse spatiale peut améliorer considérablement la

compréhension et le suivi de la biodiversité étant donné que les résultats de l’analyse spatiale permettent

de formuler et mettre en œuvre des stratégies de conservation mieux ciblées et donc plus efficaces

(GUARINO et al., 2002). Les résultats des études spatiales peuvent fournir une information cruciale sur

la biodiversité présente dans des zones géographiques données et peuvent être utilisés à des fins diverses.

En effet, cette étude propose de donner un outil de prise de décision pour la gestion durable du

Tsiperifery par le biais des cartes de probabilité de présence de l’espèce et celle de ses bassins

d’approvisionnement potentiels. Les outils des Systèmes d’Information Géographique (SIG) y sont

adoptés, ils permettent de conduire des analyses complexes combinant différentes sources de données

(spatiales) et de générer des cartes lisibles, facilitant ainsi l’assimilation des résultats par les autorités

concernées et encourageant le développement et la mise en œuvre des politiques de conservation et/ou

de valorisation (GUARINO et al., 2002). Une question est alors soulevée : « Comment l’aire de

distribution de Tsiperifery à Madagascar évolue-t-elle dans le temps pour permettre une gestion durable

de l’espèce? ». Trois hypothèses sont alors suggérées pour répondre à cette question : la première dit

que la répartition du Tsiperifery est fortement tributaire des précipitations, la seconde énonce que les

surfaces potentiellement exploitables de l’espèce sont sujettes à des restrictions d’exploitation et des

contraintes environnementales et la troisième stipule que la proximité de la ressource par rapport aux

marchés permet de déterminer les bassins d’approvisionnement les plus prometteurs.

Afin d’aboutir à l’objectif de cette étude, ce document se divise en trois (3) parties, la première

consacrée aux matériels et méthodes avec le rappel de la problématique et des hypothèses, les états de

connaissances sur le Tsiperifery et l’entropie maximale et enfin les phases de conception des modèles

basés essentiellement sur MaxEnt et ArcGIS ; la seconde partie concerne la présentation et

l’interprétation des résultats et la troisième aborde les discussions sur la méthodologie, sur les résultats

et les recommandations à l’issue des analyses des résultats.

MATERIELS ET METHODES

3

Partie 1 : Matériels et Méthodes

1.1. Problématique

Madagascar reste un pays majoritairement agricole, parmi les plus pauvres du monde. Cette

pauvreté rurale conduit souvent à de fortes pressions des activités agricoles sur les ressources naturelles,

notamment forestières (PHILIPPE et al., 2006). Cela se traduit par la pratique de la culture sur brûlis,

« tavy ». Ce phénomène de déforestation combiné avec la collecte destructive du Tsiperifery constitue

une grande menace pour cette ressource. En effet, la méthode de cueillette la plus répandue consiste à

abattre le tuteur car la liane peut grimper jusqu’à plus de 15 mètres, hauteur où se situe la couronne

fructifère (RAZAFIMANDIMBY, 2011). Aussi, compte tenu des revenus engendrés par l’exploitation

et l’augmentation de la demande de la part des agents commerciaux, de plus en plus de paysans tendent

à s’investir dans l’exploitation du poivre (BERNARD et al., 2014). Outre les pressions anthropiques qui

pèsent sur ce poivre sauvage, d’autres facteurs naturels tels que les changements climatiques peuvent

également avoir des répercussions néfastes sur la phénologie de l’espèce et notamment sur sa

distribution (LEVESQUE, 2012).

Par conséquent, les cartes des aires de distribution potentielle de l’espèce, s’avèrent très utiles.

Ces cartes peuvent, au vu des données d’observation, orienter des recherches et stimuler des

investigations dans la niche écologique de l’espèce qui ne semble pas occupée. Elles sont utiles non

seulement en tant que base de données mais aussi dans une optique de gestion des espèces menacées.

En effet, à partir d’une carte de domaine potentiel et d’une carte relevant les sites où l’espèce est

présente, il est possible de repérer quelles sont les zones favorables à l’espèce qui ne sont pas exploitées

et également de proposer un plan de gestion (enrichissement) permettant à l’espèce de coloniser de tels

endroits. La détermination des zones moins favorables et la proposition de divers aménagements

susceptibles de les améliorer peuvent également être faites. Une étude sur la distribution de l’espèce a

déjà été initiée en 2011 (RAZAFIMANDIMBY) mais la présente étude veut utiliser d’autres données

que celles employées auparavant afin d’actualiser les résultats et de faire des analyses différentes. La

question principale qui se pose est alors : Comment l’aire de distribution de Tsiperifery à Madagascar

évolue-t-elle dans le temps afin de faciliter les prises de décision pour une gestion durable de l’espèce?

De cette problématique découlent les questions de recherche suivantes :

- Quels paramètres influencent le plus la distribution du Tsiperifery?

- Comment évolue la répartition de l’espèce en 2100?

- Dans quels districts se trouvent les superficies exploitables les plus importantes?

- Où se trouvent les bassins d’approvisionnement en Tsiperifery les plus intéressants au niveau

national?


4

1.2. Hypothèses

Afin de répondre à la problématique, trois (3) hypothèses sont émises :

Hypothèse 1 : La répartition du Tsiperifery est fortement dépendante des précipitations

Selon une précédente étude, la présence de couverture forestière est le paramètre qui influe le

plus sur la distribution de l’espèce (RAZAFIMANDIMBY, 2011). En effet, le Tsiperifery est une

essence à tempérament sciaphile et a donc besoin de l’ombrage des autres arbres pour se développer. Il

se rencontre surtout dans les zones où la canopée est fermée. Ce poivre se développe dans des endroits

humides, bas fond à bioclimat humide et sub-humide dans le centre, dans le Nord et surtout à l’Est,

rarement dans le bioclimat sec de l’Ouest (MANJATO et al., 2010). Pour son développement, le poivre

sauvage de Madagascar a donc besoin d’une certaine quantité d’eau issue notamment des précipitations.

D’après cette hypothèse, le pourcentage de contribution des précipitations sur la répartition de

l’espèce doit être d’autant important que celui de la couverture forestière.

Hypothèse 2 : Les surfaces potentiellement exploitables de l’espèce sont sujettes à des

restrictions d’exploitation et des contraintes environnementales

La loi N° 2001/05 portant code de gestion des aires protégées stipule que les droits d’usage sont

des prélèvements à but non commercial pour les besoins domestiques, vitaux et/ou coutumiers, réservés

à la population riveraine (Article 41). De plus, les activités liées aux droits d’usage sont réglementées

dans les nouvelles aires protégées, notamment la récolte des fruits et des plantes comestibles respectant

les principes d’utilisation durable (Article 8, Arrêté interministériel n°52005/20101). Ce qui signifie que

la collecte de Tsiperifery à but lucratif à l’intérieur des AP et des NAP est interdite. Concernant les

transferts de gestion des ressources naturelles renouvelables, les communautés de base peuvent procéder

à la collecte de la ressource si celle-ci est contractualisée avec l’Etat lors de la demande de gestion. De

ce fait, l’exploitation dans ces zones est restreinte. Certaines contraintes environnementales telles que

les changements climatiques, causant le manque de pluie qui retarderait la fructification (LEVESQUE,

2012), et la déforestation peuvent entre autres réduire les surfaces potentiellement exploitables de

l’espèce dans le futur.

Cette seconde hypothèse se veut d’estimer et de comparer les surfaces de présence de l’espèce

en dehors des AP, NAP et TGRN et celles qui y sont comprises. Il sera alors possible d’en déduire si les

aires de Tsiperifery pouvant être exploitées sont importantes par rapport à celles qui en sont défendues.

Elle veut également comparer les superficies exploitables actuelles et pour 2100 à l’issue des modèles

de prédiction pour connaître la variation.

1 Arrêté interministériel n°52005/2010 modifiant l’arrêté interministériel Mine-Forêts n°18633 du 17 octobre 2008

portant mise en protection temporaire globale des sites visés par l’arrêté n°17914 du 18 octobre 2006 et levant la

suspension de l’octroi des permis miniers et forestiers pour certains sites.


5

Hypothèse 3 : La proximité de la ressource par rapport aux marchés permet de déterminer les

bassins d’approvisionnement

D’après des études faites auparavant, trois (3) bassins de collecte de poivre sauvage ont été

identifiés : les corridors de l’Angavo (avec Anjozorobe comme centre névralgique), de l’Ankaï (polarisé

autour de Moramanga) et de Fianarantsoa (LEVESQUE, 2012 ; TOUATI, 2012). Toutefois, la notion

d’accessibilité physique qui est la liberté de déplacement dans l’espace peut aider à identifier d’autres

bassins d’approvisionnement. Il s’agit là de mesurer les facteurs qui peuvent rendre difficile l’accès à la

ressource, puis de distinguer les différents marchés potentiels comme débouchés. Cela suppose qu’une

offre éventuelle peut être déduite vu que les surfaces exploitables sont connues par le biais de la

deuxième hypothèse.

En se référant à cette troisième hypothèse, les bassins d’approvisionnement qui sont proches

des marchés sont les plus intéressants et méritent une plus grande considération par rapport à ceux qui

sont éloignés.

1.3. Etat des connaissances

1.3.1. Systématique du Tsiperifery

La classification systématique proposée par MBG pour l’espèce est la suivante :

Règne : VEGETAL

Embranchement : SPERMAPHYTES

Sous-embranchement : ANGIOSPERMES

Classe : DICOTYLEDONES

Sous-classe : MAGNOLIDES

Ordre : PIPERALES

Famille : PIPERACEAE

Genre : Piper

Nom vernaculaire : Tsiperifery, Voatsiperifery, Dipoavatra, Tsimahalatsaka, Sakarivovahy, Sakaiala,

sakarivonala.

Nom commun : Poivre sauvage de Madagascar


6

1.3.2. Description botanique et phénologie

Le Tsiperifery est une liane dioïque à tige devenant ligneuse, grimpant à 5-20 m sur les arbres.

Ses rameaux sont stériles et rampent ou grimpent en adhérant au support par des racines crampons

naissant au niveau des nœuds. Il présente des feuilles simples, entières, alternes, uniquement

cordiformes chez les plantules et les jeunes plantes. Le Tsiperifery présente une inflorescence en grappe

solitaire, opposée aux feuilles. Les fruits sont pédonculés globuleux de couleur rouge ou rouge orangé

à maturité (RAZAFIMANDIMBY, 2011).

Figure 1 : Racine crampon de Tsiperifery (RAKOTONASOLO, 2009)

Les lianes adultes présentent deux types de rameaux manifestant un dimorphisme foliaire

(RAZAFIMANDIMBY, 2011) :

- rameaux plagiotropes reproductifs à feuilles oblongues qui se ramifient et forment un feuillage

dense autour du tronc du tuteur et produisent des inflorescences donc des infrutescences

(grappes) ;

- rameaux orthotropes végétatifs à feuilles cordiformes qui développent des racines-crampons

adhésives au niveau des nœuds et s’accrochent sur les écorces des arbres tuteurs.

Figure 2 : Liane présentant un dimorphisme foliaire (RATSARAEFATRARIVO, 2012)


7

La fructification des pieds de poivre sauvage s’avère très irrégulière. Les populations de

Tsiperifery connaissent deux pics de fructification, l’un en juin-juillet et l’autre, en septembre-

novembre. Un pied ne fructifie qu’une fois dans l’année. Cependant, il est possible de trouver des

grappes à maturité de début mars à fin janvier, en très petites quantités en dehors de ces pics de

fructification. D’autre part, la maturation des grappes nécessite 2 à 4 mois. Ainsi, sur le même plant, les

lianes sont à maturité différente. De même, sur la même grappe, les grains ne sont pas matures

simultanément (TOUATI, 2012).

Figure 3 : Tsiperifery en fructification présentant une forte variabilité dans la maturité des grappes

(RATSARAEFATRARIVO, 2012)

La fructification connaît également de fortes variations interannuelles, avec généralement une

année de production très abondante suivie d’une année de très faible production. Cette alternance de la

productivité n’a pas lieu en même temps pour chacune des lianes. Ainsi une liane peu connaître une

fructification abondante alors qu’une autre à proximité peut ne pas fructifier du tout.

La reproduction du Tsiperifery est surtout végétative par les tiges, les racines ou stolons. Des

essais de bouturage ont été également effectués pour la multiplication de l’espèce en vue de sa

domestication. Il faut préciser que quatre (4) morphotypes de Tsiperifery ont été décrits jusqu’à présent

(cf. annexe 1)


8

1.3.3. Niche écologique

Le Tsiperifery se rencontre surtout dans la partie orientale de Madagascar, particulièrement

dans la forêt dense humide sempervirente orientale. Selon RAZAFIMANDIMBY (2011), la répartition

de ces lianes est dépendante de la couverture forestière du fait que c’est une espèce à tempérament

sciaphile et les bas-fonds sont principalement leur habitat privilégié. Les plantules sont effectivement et

extrêmement abondantes, par îlots ; dans des zones très ombragées et sur les substrats forestiers humides

(RATSARAEFATRARIVO, 2012). Néanmoins, le Tsiperifery a une mauvaise tolérance à la

perturbation de son habitat et supporte mal les trouées et les ouvertures de la canopée

(RAZAFIMANDIMBY, 2011).

1.4. Matériels

Afin de déterminer la distribution potentielle du poivre sauvage de Madagascar, il a fallu des

données d’observation de l’espèce et des variables environnementales. Concernant les bassins

d’approvisionnement, différents jeux de données ont également été indispensables. Les données

utilisables pour la réalisation de cette étude sont :

- des points d’occurrence géoréférencés de l’espèce qui ont été collectés au niveau de l’Herbarium

de Tsimbazaza, du DRFGRN de FOFIFA et sur le site web Tropicos (www.tropicos.org) afin

de constituer les données d’observation. Au total, 193 points d’occurrence du Tsiperifery à

Madagascar ont été recensés. Ce nombre de points est largement suffisant pour le lancement de

la modélisation sur MaxEnt ;

- 19 variables bioclimatiques de l’IPCC (http://www.ipcc-data.org/sres/hadcm3_download.html)

en guise de contraintes pour la modélisation ; s’ajoutent à cela les couches raster sur l’altitude

SRTM (http://gdex.cr.usgs.gov/gdex/) et la couverture forestière en 2013 (issue du PERR-FH)

puis celle en 2100 (issue d’une prédiction avec les données concernant les forêts à Madagascar

sur http://bioscenemada.cirad.fr/maps/) ;

- celles sur le réseau routier, sur les limites et les chefs-lieux de districts à Madagascar qui sont

géoréférencées et issues de BD5002 (1998) et BD_commune (2008), essentielles pour

l’identification des bassins d’approvisionnement potentiels.

Différents logiciels ont été mobilisés dans le cadre de ce travail afin d’atteindre les objectifs, dont :

Excel 2103 pour l’enregistrement des données GPS, ArcGIS 10.3 pour les prétraitements

(uniformisation) et traitements des données sur l’aire de distribution, les surfaces exploitables et les

bassins de collecte, MaxEnt 3.3.3.k pour la production des cartes de répartition potentielle du Tsiperifery

et QGIS 2.12.2 pour la prédiction de la couverture forestière en 2100.

2 BD500 : base de données géographiques mise en place par l’Institut géographique et hydrographique national

(FTM), contenant les données sur le réseau routier, à partir des cartes de base de Madagascar en 1998, à l’échelle

1/500 000

http://www.tropicos.org/

http://www.ipcc-data.org/sres/hadcm3_download.html

http://gdex.cr.usgs.gov/gdex/

http://bioscenemada.cirad.fr/maps/


9

1.5. Méthodes

1.5.1. Détermination de l’aire potentielle de répartition du Tsiperifery

1.5.1.1. Notion d’entropie maximale

L’entropie est une fonction, fondamentale en théorie de l’information, qui retourne à la quantité

d’information délivrée/contenue par une source S (SHANNON, 1948). Pour une source S comportant n

symboles, un symbole i a une probabilité pi d’apparaître. Alors l’entropie de la source S est définie

comme suit :

Equation 1 : Formule de l'entropie (SHANNON, 1948)

H(S) = - ∑ 𝑝𝑖𝑛𝑖=1 log2 (pi)

Avec : H(S) étant l’indice de SHANNON.

L’entropie est une mesure d’« incertitude ». Plus la source émet des informations différentes,

plus l’entropie (incertitude) est grande et inversement. Si la source émet des valeurs avec le même signal,

alors l’entropie est nulle ; par contre, elle est maximale quand les valeurs prennent chacune un signal

différent car dans ce cas la distribution est uniforme et la source S est maximalement informative. En

d’autres termes, l’entropie correspond à la caractérisation statistique de l’information manquante

(VENDITTI, 1998).

La maximisation de l’entropie se base sur deux (2) principes :

- le principe du rasoir d’Occam « L’hypothèse la plus simple est souvent la bonne », c’est-à-dire

qui ne présume pas au-delà de ce qui est connu ;

- le principe d’indifférence (LAPLACE) : en cas d’information manquante, le mieux à faire est

de considérer les événements comme équiprobables (distribution uniforme).

Le maximum d’entropie (MaxEnt) consiste à choisir, pour un phénomène donné, une

distribution qui maximise l’entropie (SHANNON), c’est-à-dire « l’incertitude ». Il correspond à la loi

de probabilité permettant de prendre en compte un maximum d’incertitude dans le processus de

modélisation. Cette modélisation est réalisée à partir de données observées et en fonction de contraintes

connues (ELITH et al., 2011 ; S. J. PHILLIPS et al., 2006 ; S. J. PHILLIPS et al., 2004). Le modèle

statistique MaxEnt est principalement utilisé en écologie des populations, il permet d’évaluer la

distribution spatiale potentielle de taxa grâce à des données d’observation accompagnées de variables

environnementales.


10

1.5.1.2. Choix de la méthode

Il arrive souvent que les données de présence disponibles ne couvrent pas la totalité de l’aire de

distribution naturelle d’une espèce. Les programmes de modélisation de la distribution d’espèces comme

MaxEnt (PHILIPS et al., 2006) permettent d’approcher la distribution dans sa globalité et sont des outils

pratiques pour identifier les zones où il y a des chances de trouver une espèce. Les résultats de l’analyse

de modélisation de la distribution d’espèces peuvent être utilisés dans différentes analyses spatiales

combinées, par exemple pour évaluer l’impact des changements climatiques sur la distribution

d’espèces, identifier les zones de collecte ou les zones appropriées et la production forestière.

Le programme MaxEnt identifie, comme zones d’occurrence possible d’une espèce, les sites où

les conditions environnementales sont comparables à celles où l’espèce a déjà été observée. Pour

identifier ces zones de distribution potentielle, les données requises comprennent les points de présence

de l’espèce et les rasters des variables environnementales qui couvrent la zone étudiée. Le modèle

calcule alors la probabilité de la présence de l’espèce dans chaque cellule des rasters utilisés.

La distribution avec l’entropie maximale est celle qui est la plus uniforme et, donc, celle qu’il

serait le moins arbitraire d’utiliser pour représenter une connaissance imparfaite. En pratique, c’est la

distribution qui contient le moins de cas particuliers qui divergent de ce qui est le plus probable. Elle ne

présume pas au-delà des données.

MaxEnt comporte un certain nombre de points forts :

- Il ne nécessite en entrée que des données de présence, en complément des variables

environnementales sur toute la zone d’étude (LAHOZ-MONFORTet al., 2010 ; PEARSON et

al., 2006 ; PECK et al., 2010 ; S. J. PHILLIPS et al., 2004 ; THORN et al., 2009). Il peut donc

se passer de données d’absence pour fonctionner.

- Il permet aussi bien l’utilisation de variables quantitatives que qualitatives (ELITH et al., 2011

; FRIEDLAENDER et al., 2011 ; THUILLER et MÜNKEMÜLLER, 2005).

- Des algorithmes déterministes efficients ont été développés, et garantissent une convergence

vers la distribution optimale (ELITH et al., 2011).

1.5.1.3. Modélisation de la distribution du Tsiperifery

Pour que MaxEnt puisse traiter les rasters environnementaux, ces derniers doivent avoir les

mêmes propriétés, résolution et coordonnées des coins ou sommets (vertices). D’où, avant d’entrer les

données dans le programme, certains prétraitements se sont imposés que ce soit pour la distribution

actuelle ou pour la prédiction en 2100.

Tout d’abord, les points GPS recensés ont dû être convertis en degré décimal et le fichier Excel

a été enregistré au format « .csv ». Ensuite pour les variables d’environnement, quelques règles ont été

respectées :


11

- la conversion des rasters en « .asc » s’est effectuée dans ArcGIS par la fonction : conversion

tools, from raster to ascii ;

- les différents fichiers ont tous dû se trouver dans le même répertoire ;

- pour obtenir la même emprise sur l’ensemble de la zone d’étude il a fallu procéder à une

extraction par masque avec le polygone cote5003 (Extract by mask dans Spatial Analysis Tools) ;

- et les différentes couches d’environnement doivent impérativement être à la même résolution.

Le module Resample dans ArcGIS est employé à cet effet et la résolution choisie pour cette

étude à été de 1 km².

Une fois ces quelques prétraitements terminés, il a suffi d’introduire les données dans MaxEnt

pour qu’il puisse déterminer les zones de probabilité de présence du Tsiperifery. L’un des paramètres

utilisés pour évaluer la capacité prédictive d’un modèle généré par MaxEnt est la Surface Incluse sous

la Courbe (en anglais : AUC) de la courbe Receiver Operating Characteristic (ROC) (annexe 2).

Le sous-ensemble de la zone prédite (Fractional predicted area) sur l’axe X fait référence au sous-

ensemble de l’aire totale de l’étude où l’espèce est modélisée, alors que la sensibilité (Sensivity) sur

l’axe Y fait référence à la proportion de points de présence dans l’aire d’occurrence prédite par rapport

au nombre total de points de présence (PHILIPPS, 2009). L’AUC est égal à la vraisemblance qu’un

point de présence choisi au hasard soit situé dans une cellule du raster avec une plus grande probabilité

d’occurrence de l’espèce qu’un point d’absence choisi au hasard. Pourtant, la modélisation de la

distribution d’espèce dans le programme ne prend en compte que les points de présence. Afin de pouvoir

quand même calculer l’AUC, MaxEnt remplace les points d’absence par des points de la zone d’étude

générés de manière aléatoire. L’AUC peut alors être interprété comme la vraisemblance qu’un point de

présence choisi au hasard soit situé dans une cellule du raster avec une plus grande probabilité

d’occurrence de l’espèce qu’un point généré aléatoirement (PHILIPS et al., 2006).

Un modèle généré par MaxEnt atteint le plus haut pouvoir prédictif lorsque l’AUC a une valeur

de 1. Ce serait le cas si tous les points de présence avaient une plus haute probabilité que les points

générés aléatoirement. En pratique, aucun AUC ne sera inférieur à 0,5. Dans ce cas, les cellules du raster

où il y a des points de présence n’ont pas une probabilité supérieure à celle des cellules du raster où il y

a des points générés aléatoirement, et le modèle généré par MaxEnt n’a aucun pouvoir prédictif. Cette

situation est reflétée dans le graphique par la courbe de référence Random Prediction. ARAÙJO et al.

(2005) recommandent l’interprétation suivante de l’AUC pour les modèles générés : Excellente si

AUC>0,90 ; Bonne si 0,80<AUC<0,90 ; Acceptable si 0,70<AUC<0,80 ; Mauvaise si 0,60<AUC<0,70

; Invalide si 0,50<AUC<0,60. Une autre fonctionnalité permettant d’évaluer la viabilité du modèle

consiste à réserver une partie des données d’observation (Test data) pour éprouver la qualité de la

distribution probable. 30% des données d’observation ont donc été affectées à cette vérification de la

viabilité des modèles par le biais des valeurs de l’AUC.

3 Cote500 : Contour de Madagascar dans BD500


12

Pour la suite de l’étude, un seuil donné par MaxEnt a été considéré ; il représente la probabilité

minimale qu’une espèce soit présente dans l’environnement d’une cellule spécifique. Ce concept

suppose que les sites qui ont une probabilité supérieure au seuil ont des conditions climatiques et

géophysiques appropriées pour l’espèce, tandis que cette dernière ne se trouverait pas dans les sites en

dessous du seuil. Plus le seuil est élevé, plus les aires de distribution potentielle sont réduites. Il n’y a

pas de valeur de seuil normalisée mais dans cette analyse, le seuil de 10 percentile training presence

(annexe 3) est utilisé : c’est la probabilité que 90% des points de présence tombent dans cette aire

potentielle. Les 10% restant, qui tombent en dehors de l’aire potentielle, sont ceux qui ont un

environnement atypique, qui n’entrent pas dans les limites de la niche effective. Ce choix a pour but de

faciliter les analyses des données mais il faut aussi noter que les modèles sans filtrage spatiale avec un

seuil de 10% de l'aire de répartition ont une sensitivité significative (DARREN, 2014).

Néanmoins, sachant que le Tsiperifery nécessite la présence de couverture forestière pour se

développer, seules les surfaces comprises dans les forêts ayant une probabilité supérieure au seuil de 10

percentile training presence sont considérées comme des aires de présence potentielle de l’espèce.

1.5.1.4. Prédiction de la couverture forestière en 2100

Le choix de cette date réside dans le fait que les effets des changements climatiques et de la

déforestation se ressentent mieux entre des dates assez éloignées ; mais il est aussi dû à la disponibilité

des données. Afin de pouvoir sortir le modèle de distribution du Tsiperifery en 2100, il a fallu prédire

l’évolution de la couverture forestière pour cette année. Pour cela, le module MOLUSCE de QGIS a été

utilisé ; il permet d’analyser, modéliser et simuler les changements d'utilisation des terres et de

couverture. En guise de jeu de données, les cartes de couverture forestière à différentes périodes (1953,

1973, 1990, 2000, 2010, 2014)4 ont été entrées avec comme facteur de déforestation le réseau routier.

Le module calcule les variations de la couverture entre deux périodes (T1 et T2). Des matrices et des

cartes de transition pour le changement de couverture ont été alors produites.

MOLUSCE utilise Artificial Neural Network (ANN) ou réseau neuronal artificiel qui est un

ensemble d’algorithmes optimisés par des méthodes d’apprentissage de type probabiliste permettant de

créer des classifications rapides.

Il simule également des automates cellulaires, qui consiste en une grille régulière de « cellules »

contenant chacune un « état » choisi parmi un ensemble fini et qui peut évoluer au cours du temps (la

présence ou non de couverture forestière dans ce cas). L’état d’une cellule au temps t+1 est fonction de

l’état t d’un nombre fini de cellules appelé son « voisinage ». Ce qui lui permet de modéliser le

changement potentiel de la couverture forestière entre deux périodes et de simuler une carte de

couverture future.

4 Cartes de couverture forestière issues de http://bioscenemada.cirad.fr/maps/

http://bioscenemada.cirad.fr/maps/


13

Cependant, afin d’évaluer le pouvoir prédictif de cet outil, la matrice de confusion et l’indice

Kappa ont été employés. Il s’agit de s’assurer de la précision de la classification de la couverture

forestière en 1990 en utilisant comme base de données les cartes de 1953 et 1973 mais aussi celle en

2010 par le biais des cartes de 1990 et 2000. Pour ce faire, il a été question de comparer les cartes de

couverture forestière en 1990 et en 2010 par rapport à celles prédites par MOLUSCE à la même date et

d’en déduire la précision de prédiction de ce dernier. La méthode s’est appuyée sur un échantillonnage

aléatoire, c’est-à-dire que 3000 points ont été générés de manière aléatoire sur les cartes de couverture

forestière puis les valeurs des pixels correspondant à ces points ont été extraites. La matrice de confusion

permet ainsi de grouper les différences entre les cartes prédites par MOLUSCE et les cartes de

référence4. La somme des éléments de la diagonale représente le nombre total de pixels correctement

classés. Le rapport de ce nombre et du nombre total de pixels de la matrice donne la « précision globale

» de la classification (Benhadj, 2008).Les erreurs de classification sont de deux types : omission et

commission. Les erreurs d'omission surviennent chaque fois qu'un pixel qui aurait dû être affecté à une

classe n'a pas été reconnu. Les erreurs de commission apparaissent quand les pixels associés à une classe

sont incorrectement identifiés.

Tableau 1 : Matrice de confusion

Points de contrôle

Forêts Non forêts Total Précision Erreur de

commission

Carte de

référence

Forêts 𝒙𝟏𝟏 𝒙𝟏𝟐 ∑ 𝑥1+ 𝑥11

∑ 𝑥1+ 1 −

𝑥11

∑ 𝑥1+

Non forêts 𝒙𝟐𝟏 𝒙𝟐𝟐 ∑ 𝑥2+ 𝑥22

∑ 𝑥2+ 1 −

𝑥22

∑ 𝑥2+

Total ∑ 𝑥+1 ∑ 𝑥+2 ∑ 𝒙𝒊𝒊

Erreur d’omission 1 − 𝑥11

∑ 𝑥+1 1 −

𝑥22

∑ 𝑥+2

L’indice Kappa évalue à partir de la matrice de confusion l’accord entre les prédictions et la

référence. Il varie de 0 à 1 et s’interprète comme suit : accord très faible de 0 à 0,20 ; accord faible de

0,21 à 0,40 ; accord modéré de 0,41 à 0,60 ; accord important de 0,61 à 0,80 et accord presque parfait

de 0,81 à 1 (BLUM et al., 1995).


14

Equation 2 : Formule de l’indice Kappa (CONGALTON, 1991)

�̂� = 𝑁 ∑ 𝑥𝑖𝑖

𝑟𝑖=1 − ∑ 𝑥+𝑖 ∗ 𝑥𝑖+

𝑟𝑖=1

𝑁² − ∑ 𝑥+𝑖 ∗ 𝑥𝑖+𝑟𝑖=1

Avec r : Nombre de lignes dans la matrice de confusion

xii : Nombre d’observations sur la ligne i et la colonne i

xi+ et x+i : Totaux marginaux de la ligne i et de la colonne i respectivement

N : Nombre d’observations total

Cette équation peut s’écrire de la manière simplifiée suivante :

Equation 3 : Formule simplifiée de l’indice Kappa (COHEN, 1960)

�̂� = 𝑃𝑜 − 𝑃𝑐

1 − 𝑃𝑐

Avec Po : Pourcentage réel obtenu de la classification de la couverture forestière

Pc : Probabilité pour obtenir une classification correcte

1.5.2. Calcul des surfaces exploitables

Le but étant de faire sortir pour chaque district la superficie propice au développement du

Tsiperifery. Le module Calculate Areas dans ArcGIS a été employé à cet effet, il calcule les valeurs de

surface de chaque entité appartenant à une classe d'entités surfaciques.

Figure 4 : Illustration du module Calculate areas

Puis l’analyse des données issues de ce module s’est effectuée sur Excel ; permettant ainsi de

séparer les superficies comprises dans les AP, les NAP et les transferts de gestion de celles qui sont en

dehors pour la période actuelle. Néanmoins, pour la prédiction de distribution de l’espèce en 2100, le

calcul de ces surfaces a également été fait par district afin de voir et de comparer l’évolution de la

répartition future par rapport à la distribution actuelle mais sans tenir compte des AP, NAP et transferts

de gestion car ces paramètres peuvent changer au cours du temps. Il s’agit seulement d’avoir un ordre

d’idée des effets des changements climatiques et de la déforestation sur l’aire potentielle de répartition

du Tsiperifery.


15

1.5.3. Accessibilité aux bassins d’approvisionnement

L'accessibilité peut être définie comme la capacité d'interaction ou de contact avec des sites

d'intérêt économique ou social (DEICHMANN, 1998), mais il existe une multitude de façons de définir

ce concept intuitif dans la littérature. L’accessibilité est définit comme la facilité avec laquelle un

emplacement peut être atteint à partir d'autres endroits. En Géographie, l’accessibilité d’un lieu est

généralement définie comme la plus ou moins grande facilité avec laquelle ce lieu peut être atteint à

partir d’un ou de plusieurs autres lieux, par un ou plusieurs individus susceptibles de se déplacer à l’aide

de tout ou partie des moyens de transport existants (COQUIO, 2008).

Ainsi, l’accessibilité ne renvoie pas uniquement à la seule possibilité d’atteindre ou non un lieu

donné, mais elle traduit également la pénibilité du déplacement, la difficulté de la mise en relation

appréhendée le plus souvent par la mesure des contraintes spatio-temporelles. De ce fait, elle va

dépendre non seulement de la position géographique respective des lieux d’origine et de destination,

mais également du niveau de service offert par le ou les systèmes de transport utilisés pour accomplir le

déplacement. Les bassins d’approvisionnement de Tsiperifery ont été estimés à partir des conditions

d’accessibilité déterminées par le réseau routier (routes, pistes et chemins), les pentes et la distance aux

marchés (Chefs-lieux de districts). Ces bassins d’approvisionnement ont été conçus comme la portion

du territoire immédiatement accessible aux marchés dans lesquels le bilan de l’offre potentielle et de la

consommation du poivre sauvage est positif.

Pour mettre en évidence l’accessibilité aux bassins d’approvisionnement de Tsiperifery, la

méthode par isochrones a été utilisée. Un isochrone est une ligne sur une carte qui joint des points d’égal

temps de trajet à partir d’un point de référence donné. Plusieurs facteurs influent sur la forme des

isochrones, tels que :

- la structure du réseau routier, qui peut faire qu’il sera possible de se déplacer plus rapidement

dans certaines directions que d’autres ;

- le mode de déplacement utilisé ; ainsi une isochrone à 10 minutes (donc tous les lieux qui

peuvent être atteints en moins de 10 minutes) aura une surface plus importante si le déplacement

se fait en voiture que si celui-ci est la marche à pied.

Dans le cas de cette étude, la marche a été privilégiée car l’approvisionnement en Tsiperifery se

fait surtout en forêts et les déplacements se font généralement à pied. L’outil Cost distance dans ArcGIS

a été employé pour le calcul de cette accessibilité par rapport aux bassins d’approvisionnement. Il faut

préciser que tous les outils de distance de coût nécessitent à la fois un jeu de données source (marchés)

et un raster de coût en entrée (surface de friction). La surface de friction ou friction surface se définie

comme l’effort à mobiliser pour parcourir l’espace. Elle se compose d'une grille ou image

bidimensionnelle où chaque pixel de l’image représente soit le fond du territoire (pentes pour cette

étude) soit les couches de voie de transport telles que les routes, les fleuves ainsi que les rivières

(CONESA, 2010).


16

Chaque surface possède ses propres caractéristiques. Une route goudronnée, par exemple,

permet un temps de parcours plus rapide qu'un chemin de terre accidenté. Pour calculer le temps

"contrainte" pour parcourir un pixel, une matrice de friction a été élaborée pour tenter d’intégrer les

facteurs les plus influents sur les conditions d’accès à la ressource qui est le Tsiperifery. La vitesse de

marche couramment admise est de 4 km/h donc le temps mis pour traverser un pixel (100 m) est

d’environ 2 minutes ce qui est admissible sur les routes, pistes et chemins. Mais selon la pente, ce temps

de parcours est variable. Afin de lancer le module, les jeux de données en entrée doivent être convertis

en format raster avec une zone tampon de 45 m de part et d’autre pour le réseau routier (buffer). Il est

important de noter que les coûts attribués aux facteurs agissent sur l’accessibilité aux bassins

d’approvisionnement de la ressource.

Tableau 2 : Friction des facteurs

Description Valeur de multiplication

Routes, pistes et chemins 2

0° < Pente < 10° 7

10°< Pente <35° 15

Pente > 35° 30

Les valeurs de multiplication des pentes ont été prises de manière générale vu que le calcul de

l’accessibilité dans la présente étude est à défaut de l’occupation du sol. Or le temps de déplacement sur

différents types d’occupation n’est pas le même ; par exemple le temps mis pour parcourir une forêt

dense sur une pente comprise entre 0° et 10° ne sera pas pareil à celui pour parcourir une savane herbeuse

sur une même pente. Donc, cette généralisation des valeurs de multiplication permet quand même de

prendre en compte la difficulté de déplacement à travers toute la zone d’étude.

La matrice de friction finale est obtenue par la multiplication des deux couches d’information

dans raster calculator. Cette étape combine les éléments de friction des pentes et des réseaux routiers

dans un même raster, avec la logique suivante :

Equation 4 : Impédance de la zone d’étude (ANDY, 2000)

Friction = Pente x Précédence (Routes, zones urbaines, occupation du sol, …)

Du point de vue de la cellule, l'objectif de l’outil cost distance est de déterminer le chemin de

moindre coût pour atteindre une source (marchés dans ce cas) pour chaque emplacement de cellule dans

la fenêtre d'analyse. Autrement-dit, il permet de créer un raster en sortie dans lequel chacune des cellules

se voit attribuer le coût cumulé du déplacement jusqu'à la cellule source la plus proche. Les valeurs de

coût attribuées à chacune des cellules représentent le coût par unité de distance pour le déplacement à

travers chaque cellule, c'est-à-dire, si la taille de cellule est exprimée en mètres, le coût affecté à la

cellule est le temps nécessaire pour parcourir un mètre dans la cellule.


17

La résolution est de 100 mètres pour la carte d’accessibilité, donc le coût total de déplacement

horizontal ou vertical à travers la cellule (ou pixel) serait le coût affecté multiplié par la longueur

verticale ou horizontale du pixel.

Equation 5 : Valeur de friction pour une cellule (traversé horizontal ou vertical) (ANDY, 2000)

Coût total = Coût x 100

Pour voyager en diagonale à travers la cellule, le coût total serait 1,414 fois le coût de

déplacement dans la cellule multiplié par la résolution de cette dernière.

Equation 6 : Valeur de friction pour un pixel (traversé diagonal) (ANDY, 2000)

Coût diagonal total = 1.414 x Coût x 100

1.6. Limites méthodologiques

Les données utilisées constituent une limite méthodologique lors de l’exécution des démarches

mentionnées. En effet, les données bioclimatiques entrées dans MaxEnt pour la détermination de la

distribution actuelle du Tsiperifery sont datées de 2000 ; or des changements se sont produits entre

temps. Les données plus récentes ont une résolution très faible et ne permettent pas de mieux distinguer

la distribution de l’espèce au niveau national.

Les données concernant la production par pieds et la densité de Tsiperifery ne sont pas fiables

car les chiffres donnés par différents auteurs sont très variés. Ce qui fait que l’étude s’est limitée à fournir

des superficies au lieu du stock disponible de la ressource. Enfin, le calcul de l’accessibilité n’a pas pris

en compte l’occupation du sol car les données y afférentes au niveau national ne sont pas sures et

manquent de précision donc seuls les facteurs pentes et réseaux routiers ont été retenus. Une des limites

de cette étude est aussi l’absence de travaux de terrain pour la validation des points de présence de

l’espèce. Cette validation s’est alors basée sur une partie des points géoréférencés à disposition.


18

1.7. Résumé Méthodologique

Figure 5 : Résumé Méthodologique

DonnéesBioclimatiques

Couverture

forestière 2013

Altitude

MaxEnt

(1)

Carte deDistribution

actuelle

Carte deDistribution

2100

MOLUSCE

Couverture

forestière 2100

DonnéesBioclimatiques

2100

Calculate

areas (1)

Cost

distance

Couverture forestière :1953, 1973, 1990,2000,2010,2014

Carte

SAPM

Carte TG

Carte

Accessibilité

Surfacesexploitables

actuelles

Bassins

d'approvisionnement

MaxEnt

(2)

Surfacesexploitables

2100

Calculate

areas (2)

MarchésPentes

Routes

Résultats

Modules

Données

d'entrées

Légende


19

1.8. Cadre opératoire

Problématique Hypothèses Indicateurs Méthode Activités

Comment l’aire de

distribution de Tsiperifery à

Madagascar évolue-t-elle

dans le temps afin de

faciliter les prises de

décision pour une gestion

durable de l’espèce?

H1 : La répartition du Tsiperifery

est fortement dépendante des

précipitations

- Pourcentage de

contribution des

précipitations sur la

distribution de l’espèce

- Evolution de la répartition

de l’espèce en 2100

- Détermination de l’aire de

répartition potentielle de

l’espèce actuelle

- Exécuter les

prétraitements des

données sur ArcGIS

- Opérer au traitement sur

MaxEnt

- Effectuer les traitements

de l’image issue de

MaxEnt

- Identifier les zones les

plus adéquates à la

croissance de l’espèce

- Prédiction de la couverture

forestière nationale en

2100

- Prédiction de l’évolution

de l’habitat potentiel en

2100

- Procéder aux

prétraitements des

données sur la couverture

forestière

- Lancer le module

MOLUSCE de QGIS

- Exécuter le traitement

des données ainsi

obtenues sur MaxEnt


20

- Identifier les zones les

plus propices à la

croissance de l’espèce

pour la période de 2100

H2 : Les surfaces potentiellement

exploitables de l’espèce sont

sujettes à des restrictions

d’exploitation et des contraintes

environnementales

- Proportion de surfaces

propices au

développement de

l’espèce en dehors des

aires protégées, des

nouvelles aires protégées

et des transferts de gestion

des ressources naturelles

renouvelables

- Modification des surfaces

de présence du poivre

sauvage de Madagascar en

2100

- Calcul des surfaces

convenables au

développement du

Tsiperifery à travers l’île

pour la période actuelle

- Lancer le module

calculate areas dans

ArcGIS

- Comparer les surfaces

favorables dans et en

dehors des aires

protégées et des TGRNR

- Calcul des surfaces

appropriées au

développement du

Tsiperifery en 2100

- Lancer le module

calculate areas dans

ArcGIS

- Déterminer les surfaces

de présence éventuelles

pour cette période

H3 : La proximité de la ressource

par rapport aux marchés permet de

déterminer les bassins

d’approvisionnement

- Nombre de bassins


recensés

- Calcul de l’accessibilité à

la ressource par rapport

aux marchés

- Procéder aux traitements

des facteurs influençant

l’accessibilité

- Utiliser le module cost

distance dans ArcGIS


21

- Ordre d’importance de

ces bassins en termes de

surface par rapport aux

autres

- Classement des bassins

d’approvisionnement les

plus importants suivant

leur emplacement vis-à-

vis des marchés les plus

proches

- Recenser les marchés

(chefs-lieux de District) à

proximité des bassins


- Ordonner les bassins les

plus intéressants pour

l’exploitation selon

l’importance de leur

surface

RESULTATS ET INTERPRETATIONS

22

Partie 2 : Résultats

2.1. Distribution du Tsiperifery

2.1.1. Prédiction de la couverture forestière en 2100

Avant de procéder à l’estimation de la couverture forestière pour cette période, il a fallu évaluer

le pouvoir prédictif du module MOLUSCE de QGIS. De ce fait, la détermination de la couverture

forestière en 1993 par l’intermédiaire de cet outil a été effectuée.

Tableau 3 : Matrice de confusion pour la prédiction de la couverture forestière en 1993

Points de contrôle

Forêts Non forêts Total

Erreur de commission

(%)

Précision

(%)

Carte de

référence

Forêts 444 128 572 22,38 77,62

Non

forêts 190 2238 2428 7,83 92,17

Total 634 2366 3000 0 100

Erreur d'omission (%) 29,97 5,41 2682 3000

Précision globale de la prédiction (%) 89,40

Selon cette matrice de confusion, 2682 points sur les 3000 points aléatoires générés

correspondent à une bonne classification faite par MOLUSCE. Ce qui donne une précision globale de

89,4% ; l’indice kappa est calculé selon l’équation 2 et il est de 0,67. L’accord entre la carte prédite et

celle de référence est donc important. Cette prédiction est sortie des données de couverture forestière

entre 1953 et 1973, validée par celle en 1990.

Une deuxième validation a été réalisée avec l’estimation de la couverture forestière en 2010 par

le biais de ce même outil.

Tableau 4 : Matrice de confusion pour la prédiction de la couverture forestière en 2010

Points de contrôle

Forêts Non forêts Total

Erreur de commission

(%)

Précision

(%)

Carte de

référence

Forêts 376 76 452 16,81 83,19

Non

forêts 99 2449 2548 3,89 96,11

Total 475 2525 3000 0 100

Erreur d'omission (%) 20,84 3,01 2825 3000

Précision globale de la prédiction (%) 94,17


23

Procédant de la même manière que pour la première prédiction, une précision globale de 94,2%

est enregistrée avec un indice kappa de 0,78. L’accord entre la classification et la carte de référence est

alors important. Cette prédiction est sortie des données de couverture entre 1990 et 2000, validée par

celle en 2010. D’après ces tests, il peut être conclu que le pouvoir prédictif du module est important

(kappa entre 0,61 à 0,80) d’où la prédiction de la couverture forestière en 2100 peut se faire. Elle est

issue de 3 niveaux de prédiction sur MOLUSCE.

Tableau 5 : Tableau récapitulatif des prédictions pour aboutir à la couverture forestière de 2100

Données utilisées Prédictions (annexe 4)

Couverture forestière entre 1953 et 2000 Couverture forestière en 2047

Couverture forestière entre 1953 et 2014 Couverture forestière en 2075

Couverture forestière entre 2047 et 2075 Couverture forestière en 2100 (en 2103 plus

précisément)

Il a fallu prédire une carte avec un intervalle de temps de 25 ans par rapport à 2075 car le module

calcule les changements des classes de l’image selon la durée entre l’image initiale et celle finale.

Pourtant, faute des données disponibles, la carte de la couverture forestière en 2047 a pu être prédite

avec celle en 2075 et ces deux cartes ont servi à produire la carte de couverture forestière en 2103

supposée comme étant plus ou moins similaire à celle de 2100.

2.1.2. Modèles de distribution proprement-dit du Tsiperifery

La modélisation de l’aire de distribution potentielle de l’espèce est obtenue avec MaxEnt par

l’utilisation des données Bioclimatiques, celles sur la couverture forestière et sur l’Altitude. Des

modèles distinguant les milieux les moins propices aux plus propices au développement de l’espèce en

sont sortis (carte 1). Ces cartes donnent un aperçu des zones les plus favorables à la croissance de cette

ressource, elles sont surtout situées dans la partie orientale de l’île allant du Nord (Antsiranana) au Sud

(Taolanaro). La partie Ouest de Madagascar est plutôt défavorable au développement de cette espèce

selon les modèles. Cela peut être dû au fait que les conditions climatiques n’y permettent pas son

épanouissement. Mais une autre explication réside aussi sur le fait que les points d’observations

recensées se trouvent en majorité dans la partie Est du pays et donc MaxEnt suggère que l’espèce ne

peut pas se développer dans la partie occidentale.


24

Selon ces deux modèles (carte 1), les zones défavorables et favorables au développement du

Tsiperifery augmentent d’une surface respective de 1 630 700 ha et 715 400 ha entre sa distribution

actuelle et celle en 2100. Les zones peu favorables, moyennement favorables et très favorables à son

développement présentent par contre une diminution de surfaces respectivement : 1 830 400 ha, 187 600

ha et 328 100 ha. Ceci peut s’expliquer par le fait que les conditions défavorables (climatiques et

déforestation) à la croissance de l’espèce s’accentuent avec le temps. Les milieux peu favorables et

moyennement favorables diminuent donc au profit de ceux défavorables au développement de la

ressource. Ceux qui sont très favorables se transforment par contre en favorables car la couverture

forestière ne cesse de se réduire d’où certaines zones considérées comme très favorables deviennent

moins favorables.

Mais à l’issue de la méthodologie utilisée, les résultats montrent des cartes du modèle de

présence/absence de la distribution du poivre sauvage de Madagascar (carte 2). Il est important de

signaler que les SAPM et TGRNR ne sont pas considérés dans la carte de l’aire de distribution

potentielle en 2100 car ils sont susceptibles de changement durant cette période assez longue.


25

Carte 1 : Aire de distribution actuelle (à gauche) et aire de distribution potentielle en 2100 du Tsiperifery (à droite)


26

Carte 2 : Carte de présence/absence actuelle (à gauche) et carte de présence/absence en 2100 du Tsiperifery (à droite)


27

Carte 3 : Carte de présence/absence actuelle du Tsiperifery avec SAPM et TGRNR


28

Les contributions de chaque variable sur les distributions (actuelle et en 2100) du poivre sauvage

de Madagascar sont différentes pour les deux modèles.

Tableau 6 : Contribution des variables sur la répartition actuelle du Tsiperifery

Variables Contribution (%)

Couverture forestière 34

Température maximale de la période la plus chaude 30,3

Ecart annuel de température 7,6

Précipitations du trimestre le plus humide 3,7

Isothermalité 3,5

Précipitations du trimestre le plus chaud 3,2

Saisonnalité des précipitations 2,8

Température moyenne du trimestre le plus chaud 2,3

Précipitations annuelles 2,1

Température minimale de la période la plus froide 2

Altitude 1,7

Ecart diurne moyen 1,3

Température moyenne du trimestre le plus sec 1,3

Saisonnalité de la température 1,1

Précipitations de la période la plus sèche 1,1

Précipitations du trimestre le plus froid 1,1

Température moyenne du trimestre le plus froid 0,3

Précipitations de la période la plus humide 0,3

Température moyenne annuelle 0,2

Température moyenne du trimestre le plus humide 0,1

Précipitations du trimestre le plus sec 0

Les trois (3) variables qui conditionnent le plus la distribution de l’espèce sont : la présence de

couverture forestière (à hauteur de 34%), la température maximale de la période la plus chaude (30,3%)

et l’écart annuel de température (7,6%). Ceci peut s’expliquer par le fait que c’est une espèce sciaphile

et elle a besoin de l’ombrage des autres arbres pour se développer. De plus, elle nécessite une

température maximale assez faible (entre 24,2 et 34,3°C) par rapport à celle des autres régions et une

amplitude de variation de température moyenne mais pas trop élevée (entre 11,6 et 21,8°C) pour

favoriser sa croissance. Cela peut s’expliquer par le fait que le Tsiperifery ne tolère pas une température

trop élevée et une grande variation de température pour son développement. Les précipitations du

trimestre le plus humide ne contribuent qu’à 3,7% sur la répartition de ce poivre sauvage, mais la valeur

de ces précipitations est assez élevée (entre 543 et 1277 mm) dans les zones de présence de ce dernier.

Ce qui veut dire que la ressource nécessite quand même un certain seuil d’humidité pour sa croissance.


29

Les intervalles de valeurs pour chaque variable sont présentés en annexe (annexe 5). Ces intervalles

montrent la valeur minimale et celle maximale pour chacun des variables dans les endroits où l’espèce

est rencontrée, c’est-à-dire à partir des points géoréférencés à disposition.

L’AUC donné par MaxEnt pour ce modèle est égale à 0,94 ; ce qui est excellent, c’est-à-dire

qu’il a un haut pouvoir prédictif. L’AUC issue des test data (30% des points d’observation) est de 0,878

(bonne) ce qui confirme cette affirmation.

Tableau 7 : Contribution des variables sur la répartition du Tsiperifery en 2100

Variables Contribution (%)

Température maximale de la période la plus chaude 51,2

Ecart annuel de température 9,7

Précipitations de la période la plus sèche 8,3

Précipitations du trimestre le plus chaud 7,3

Saisonnalité de la température 4,1

Altitude 3,5

Couverture forestière 3,3

Température moyenne du trimestre le plus humide 1,9

Température minimale de la période la plus froide 1,8

Isothermalité 1,6

Précipitations du trimestre le plus humide 1,5

Ecart diurne moyen 1,2

Précipitations annuelles 1,1

Saisonnalité des précipitations 1,1

Précipitations du trimestre le plus sec 0,7

Précipitations du trimestre le plus froid 0,6

Température moyenne du trimestre le plus chaud 0,5

Précipitations de la période la plus humide 0,2

Température moyenne annuelle 0,1

Température moyenne du trimestre le plus froid 0,1

Température moyenne du trimestre le plus sec 0

Les trois (3) variables qui conditionnent davantage la répartition du Tsiperifery en 2100 sont par

contre : la température maximale de la période la plus chaude (51,2%), l’écart annuel de température

(9,7%) et les précipitations de la période la plus sèche (8,3%). La contribution de la température

maximale est très importante car l’augmentation de celle-ci, due aux changements climatiques, fait que

l’espèce cherche les milieux où la température maximale est la plus faible (entre 27,6 et 37,7°C) pour

se développer vu qu’elle ne supporte pas une température trop élevée. Il y a quand même une

augmentation d’environ 3°C par rapport à la température maximale selon le modèle actuel de répartition.


30

L’amplitude de variation moyenne mais pas trop élevée de température (entre 12,1 et 22°C) pour

favoriser sa croissance est toujours valable et elle a également besoin de précipitations assez importantes

par rapport à celles des autres zones où elle est absente même en période sèche.

Il est remarquable que la couverture forestière ne contribue qu’à 3,3% sur la distribution de

l’espèce en 2100, cela peut être dû au fait que cette couverture est très faible et MaxEnt considère que

ce paramètre n’est plus très important. Cependant, l’espèce nécessite toujours un ombrage pour son

développement mais elle s’adapte aux conditions climatiques qui peuvent être défavorables à ce

développement.

Ce deuxième modèle a une Surface Incluse sous la Courbe (AUC) de 0,939 qui est excellente

donc son pouvoir prédictif est élevé. L’AUC des test data est égale à 0,887 ce qui confirme que le

modèle prédit se rapproche de la réalité si le scenario proposé par les données s’avère juste.

Il est remarqué que la surface de présence du Tsiperifery diminue considérablement entre le

modèle de répartition actuelle et celui en 2100 (cf. carte 2).

2.2. Détermination des surfaces exploitables

Il faut préciser que « surface exploitable » signifie ici, la superficie des lieux de présence de

l’espèce (en vert sur la carte 2) donnés par les modèles. Les surfaces exploitables pour le modèle de

distribution actuelle sont toutes les aires de présence du Tsiperifery qui sont en dehors des AP, NAP et

TGRNR (carte 3). Celles pour le modèle de distribution potentielle en 2100 ne tiennent pas compte de

ce paramètre.

Les résultats en termes de surfaces exploitables sont donnés par district pour le modèle de

distribution actuelle dans le tableau de données présenté en annexe (annexe 6). Après analyse de ces

données, les aires de présence comprises dans les SAPM et les TGRNR (2 794 297 ha) représentent

69% de la surface totale de distribution du Tsiperifery (4 076 388 ha) à Madagascar. Les surfaces

pouvant être exploitées (1 282 091 ha) sont alors plus petites que celles règlementées pour l’exploitation.

Les districts de : Maroantsetra, Antalaha, Ambanja, Andapa, Bealanana, Soanierana Ivongo, Taolanaro,

Moramanga et Brickaville possèdent les plus grandes surfaces de présence de l’espèce, elles représentent

50,8% de l’aire totale de présence. Pourtant, c’est dans ces zones que les restrictions d’exploitation sont

les plus présentes. Pour la majorité de ces districts, les surfaces de présence sont en grande partie

comprises dans les Aires protégées et les transferts de gestion.

Les districts de : Bealanana, Mananara, Mandritsara, Soanierana Ivongo, Antalaha, Ambanja,

Andilamena, Vohimarina et Moramanga détiennent par contre les plus importantes surfaces exploitables

avec une totale de 655 521 ha soit 51,1% de la superficie totale exploitable ou 16,1% de l’aire totale de

présence. Cela constitue quand même un énorme potentiel surtout pour le district de Bealanana avec

128 762 ha exploitables. Il est alors préférable de mener des investigations dans ces zones afin de savoir

si les projets d’exploitation y seront viables.


31

D’après le tableau de données (annexe 7) à l’origine de la carte 4, une perte globale de 70% de

la surface totale de présence actuelle du Tsiperifery, soit 2 850 817 ha, est enregistrée pour la période

de 2100. Ce phénomène est dû à la déforestation et à l’effet des changements climatiques selon le modèle

issu de MaxEnt. Il s’agit d’une énorme perte, même en l’espace de 83 ans. En moyenne, la surface de

présence de l’espèce diminue de 0,84% chaque année soit 34 347 ha par an si la déforestation continue

de ravager son habitat. Il est donc primordial de ne pas accentuer ce fait par la collecte destructive de la

ressource qui freine sa régénération mais accélère son extinction.

Toutefois, la diminution de l’aire de présence se présente différemment selon les régions. Les

districts de : Maroantsetra, Antalaha et Brickaville vont subir moins de perte par rapport aux autres. Ils

auront les plus importantes superficies de présence en 2100 avec respectivement : 213 552 ha, 162 292

ha et 87 685 ha. En conséquence, l’évolution des surfaces de présence de l’espèce se ressentent mieux

à un niveau plus local que national.


32

Carte 4 : Surfaces de présence du Tsiperifery selon le modèle de distribution actuelle


33

Carte 5 : Pourcentage des pertes en surface de présence du Tsiperifery par district en 2100


34

2.3. Identification des bassins d’approvisionnement

Les bassins d’approvisionnement en Tsiperifery les plus intéressants sont ceux qui sont les plus

proches des marchés et qui ont une surface importante par rapport aux autres. Dans cette étude, « proche

des marchés » signifie situé à moins de 2 heures de marche en partant des marchés (chefs-lieux de

District) et les bassins ont une accessibilité moyenne s’ils se trouvent entre 2 à 5 heures de marche en

partant des marchés, ils sont encore considérés comme accessible dans ce cas.

Tableau 8 : Bassins d'approvisionnement les plus accessibles selon le modèle de distribution actuelle

Bassins d'approvisionnement (Districts) Surfaces exploitables (ha) Surfaces de présence (ha)

Bealanana 128 762 201 233

Antalaha 67 858 331 130

Moramanga 50 999 156 753

Befotaka 39 258 77 223

Midongy Atsimo 22 858 107 827

Ambohimahasoa 8 969 12 137

Andapa 6 246 207 068

Manjakandriana 2 027 7 996

Ces huit (8) bassins d’approvisionnement sont les plus proches des marchés. Ils ont une surface

totale de 326 976 ha pouvant être exploitée soit 26% de la surface totale exploitable. Ce qui constitue

un grand potentiel pour l’exploitation. Les bassins les plus intéressants, selon le modèle de répartition

actuelle du Tsiperifery, sont surtout : Bealanana, Antalaha, Moramanga, Befotaka et Midongy Atsimo

car ils ont chacun une surface exploitable assez élevée comparée à celle des autres.

Tableau 9 : Bassins d'approvisionnement situés entre 5 à 15 heures des marchés

Bassins d'approvisionnement (Districts) Surfaces exploitables (ha) Surfaces de présence (ha)

Soanierana Ivongo 70 743 190 759

Ambanja 62 285 208 006

Anosibe An'ala 49 047 59 937

Maroantsetra 47 941 446 365

Ifanadiana 24 551 70 825

Marolambo 24 114 63 140

Taolanaro 19 625 174 661

Ivohibe 7 896 67 701

Ambositra 5 468 39 316

Ikongo 3 772 74 644

Vondrozo 3 451 52 930

Anjozorobe 2 829 13 180


35

Les bassins d’approvisionnement dans le tableau 10 ont une grande superficie totale exploitable

de 321 722 ha, ce qui représente 25% de l’aire totale exploitable (hors des SAPM et TGRNR).

Cependant, ils sont situés loin des marchés (entre 5 à 15 heures de marche par rapport aux marchés).

Ces derniers sont donc intéressants en termes de superficie mais l’accessibilité peut poser problème pour

leur exploitation.

Selon le modèle de répartition de l’espèce en 2100, les bassins d’approvisionnement vont

diminuer en termes de surfaces. De ce fait, ceux qui sont les plus proches des marchés vont se situer

entre 5 à 15 heures de marche.

Tableau 10 : Bassins d'approvisionnement les plus accessibles selon le modèle de distribution en 2100

Bassins d'approvisionnement (Districts) Surfaces de présence (ha)

Maroantsetra 213 552

Soanierana Ivongo 63 511

Andapa 61 108

Ambanja 56 385

Ambatondrazaka 54 348

Moramanga 31 859

Befotaka 17 906

Midongy Atsimo 15 846

Vondrozo 9 188

Anjozorobe 1 053

Ces dix (10) bassins d’approvisionnement sont les plus accessibles par rapport aux marchés

pour la période de 2100. Ils possèdent une surface de 524 756 ha correspondant à 43% de la surface

totale de présence du poivre sauvage de Madagascar. D’après ces analyses, les bassins

d’approvisionnement en Tsiperifery les plus intéressants sont donc : Moramanga, Befotaka, Midongy

Atsimo et Adapa car ils sont toujours classés parmi les plus attrayants en termes de surfaces et de

proximité des marchés.


36

Carte 6 : Carte des bassins d'approvisionnement en Tsiperifery actuels (à gauche) et en 2100 (à droite)

DISCUSSIONS ET RECOMMANDATIONS

37

Partie 3 : Discussions et Recommandations

3.1. Discussions méthodologiques

Les cartes de distribution des espèces sont utiles pour voir l’évolution de leur répartition. Des

cartes de répartition vraiment objectives, suffisamment précises et complètes, sont particulièrement

difficiles à obtenir pour les espèces difficiles à observer. C’est pourquoi les cartes de domaine potentiel,

représentant l’aire sur laquelle la présence de l’espèce est théoriquement possible, sont souvent utilisées.

Les cartes de domaine potentiel sont utiles non seulement en tant que base de données mais aussi dans

une optique de gestion des espèces. Pour la réalisation de tel modèle, il est important de définir deux (2)

concepts : le postulat d’équilibre et le concept de niche. Le postulat d’équilibre est défini comme suit :

« puisque les données environnementales et d’abondance d’espèces sont normalement échantillonnées

sur une période de temps limitée ou sur des sites d’étude limités, les modèles ne reflètent qu’un cliché

temporel de la relation attendue entre les conditions environnementales et la répartition des espèces.

Ainsi, pour plus de commodité, on assume que les espèces modélisées se trouvent en pseudo-équilibre

avec leur environnement » (GUISAN et al., 2005). Le second concept à définir est celui de niche. Les

modèles de distribution d’espèce, plus particulièrement les cartes résultantes, reposent sur une

combinaison entre la niche écologique de GRINNELL, où une espèce se trouve partout où les conditions

environnementales sont favorables à sa reproduction et la niche réalisée de HUTCHINSON, où une

espèce est exclue de sa niche fondamentale par prédation ou compétition (GUISAN et al., 2005). Cette

combinaison est due au fait que les modèles de distribution d’espèce, ou modèles de niche, utilisent des

observations réelles pour identifier la niche écologique d’une espèce. Or, les observations réelles sont

le fruit de la compétition et de la prédation des espèces; la niche réalisée sert donc indirectement à la

conception des modèles.

Dans le souci de respecter ces postulats et afin de créer ces types de carte, cette étude s’est basée

sur l’utilisation du logiciel MaxEnt de Stephen PHILLIPS (2006). Cet outil de modélisation peut

fonctionner avec des données de présence de l’espèce, qui sont disponibles, contrairement à d’autres qui

exigent des données de présence/absence. Mais il présente certaines limites, notamment une trop forte

autocorrélation spatiale dans les données d’observation peut fausser le modèle, et introduire un certain

biais dans les prédictions (FRIEDLAENDER et al., 2011 ; LAHOZ-MONFORT et al., 2010 ;

PEARSON et al., 2006 ; PECK et al., 2010 ; THORN et al., 2009). De ce fait, il est important de vérifier

que les données d’observation ne soient pas redondantes pour éviter ce problème. Comme mentionner

précédemment, l’approche adoptée dans la présente étude est l’utilisation de MaxEnt pour la production

des cartes de probabilité de présence de l’espèce. Le même logiciel a été utilisé en 2011

(RAZAFIMANDIMBY) afin d’obtenir la carte de la niche écologique du Tsiperifery (annexe 8). Cette

approche a été employée à maintes reprises dans différentes recherches concernant d’autres espèces ;

entre autres en 2008 en vue de l’élaboration d’un plan de conservation de trois espèces de palmiers

endémiques (RAJAONARIVOTANTELY) et en 2015 pour l’analyse spatiale sur la répartition des

zones adaptées pour la survie du Raphia face au changement climatique (RAJAONSON, REBIOMA).


38

Cependant, la carte de la niche écologique du poivre sauvage de Madagascar faite en 2011 s’est basée

sur des données environnementales différentes de celles utilisées dans la présente étude (tableau 11).

Tableau 11 : Tableau comparatif de l’étude en 2011 et celle actuelle sur la distribution du Tsiperifery

Carte de répartition du

Tsiperifery en 2011

Carte de répartition du

Tsiperifery en 2017

Nombre de paramètres

environnementaux

10 21

Système des aires

protégées

2010 2014

Carte de couverture

forestière

- Classification de la végétation

RBG Kew (2007)

- Carte des forêts par PERR-FH en

2013

- Cartes de BioSceneMada pour

2100

Surplus - Nombre de points GPS actualisés

- Calcul des superficies

exploitables

- Prédiction de l’aire potentielle de

distribution en 2100

- Détermination des bassins

d’approvisionnement en

Tsiperifery

Concernant les cartes d’accessibilité aux bassins d’approvisionnement, l’utilisation des cartes

d’occupation du sol en guise de friction pour plus de précision serait préférable. Pourtant, c’est difficile

d’avoir ces genres de cartes au niveau national et leur production nécessite des heures de traitement.

C’est pour cela que le présent travail s’est limité aux conditions d’accessibilité déterminées par le réseau

routier, les pentes et la distance des marchés.

Afin d’avoir des cartes d’accessibilité plus précises, il est donc nécessaire de faire des études au

niveau plus local (commune par exemple) si besoin selon les zones d’intérêts.

3.2. Discussions sur les résultats

3.2.1. Distribution potentielle du Tsiperifery

Comme mentionner précédemment, une étude sur la modélisation de la niche écologique de

l’espèce a déjà été entreprise en 2011 (RAZAFIMANDIMBY) utilisant 9 variables climatiques issues

de worldclim (www.worldclim.org) avec le pourcentage de la couverture forestière. La présente étude

par contre utilise 19 variables bioclimatiques de l’IPCC avec les couches de données sur la couverture

forestière et l’altitude.

http://www.worldclim.org/


39

Certaines différences existent alors par rapport à la contribution de chaque facteur sur la

répartition actuelle de l’espèce en question. Les pourcentages de contribution des facteurs climatiques

pour la production des modèles de distribution du poivre sauvage de Madagascar pour ces deux études

sont tout à fait différents.

Pour les deux modèles, la couverture forestière contribue le plus à la distribution de l’espèce.

Cela s’explique par le fait que le Tsiperifery a besoin de l’ombrage d’autres arbres (tuteurs et autres)

pour se développer (RAZFIMANDIMBY, 2011). Pourtant, le deuxième facteur le plus important pour

le modèle en 2011 est la température moyenne annuelle (22,3%) alors que celui-ci ne contribue qu’à

hauteur de 0,2% pour le modèle actuel de répartition. La température maximale de la période la plus

chaude est la deuxième variable qui contribue le plus à la répartition de l’espèce selon le modèle actuel

de distribution (30,3%) tandis que la température maximale du mois le plus chaud ne contribue qu’à

0,1% selon celui en 2011. Cela peut alors être dû aux données trimestrielles pour les variables

bioclimatiques de l’IPCC. Elles permettent plus les prédictions à long terme d’où les mêmes variables

sont disponibles pour la période de 2100. L’estimation sur une période de 3 mois vise à trouver le

scenario le plus probable de se produire dans le futur, c’est pour cela qu’elle est privilégiée pour l’étude

sur les changements climatiques. Les données mensuelles des variables climatiques de worldclim

servent plutôt à définir les conditions favorables pour le développement d’une espèce pour une période

donnée (niche écologique).

Ainsi, l’utilisation des variables bioclimatiques de l’IPCC a été favorisée dans cette étude car

elle se veut de constater les impacts des changements climatiques et de la déforestation sur l’aire de

distribution potentielle du Tsiperifery. De plus, les changements climatiques prennent une importance

grandissante dans la recherche en environnement et pourraient être un des moteurs principaux de

changement écologique dans les prochaines décennies (PARMESAN 2006; LAWLER et al. 2009;

VIRKKALA et al. 2008).


40

Tableau 12 : Tableau comparatif de la contribution des paramètres environnementaux sur la distribution

du Tsiperifery pour le modèle en 2011 et celui actuel

Variables Contribution (%) : Carte

de distribution 2011

Contribution (%) : Carte

de distribution 2017

Altitude - 1,7

Bilan hydrique de l'année 6,6 -

Couverture forestière 41,9 34

Ecart annuel de température - 7,6

Ecart diurne moyen - 1,3

Isothermalité - 3,5

Nombre de mois ayant un bilan hydrique positif 0,3 -

Précipitations annuelles 0,7 2,1

Précipitations de la période la plus humide - 0,3

Précipitations de la période la plus sèche - 1,1

Précipitations du trimestre le plus chaud - 3,2

Précipitations du trimestre le plus froid - 1,1

Précipitations du trimestre le plus humide - 3,7

Précipitations du trimestre le plus sec - 0

Précipitation maximale du mois le plus humide 0 -

Précipitation minimale du mois le plus sec 19,3 -

Saisonnalité de la température - 1,1

Saisonnalité des précipitations - 2,8

Somme de l'évapotranspiration des 12 mois 7,4 -

Température maximale de la période la plus chaude - 30,3

Température minimale de la période la plus froide - 2

Température maximale du mois le plus chaud 0,1 -

Température minimale du mois le plus froid 1,3 -

Température moyenne annuelle 22,3 0,2

Température moyenne du trimestre le plus chaud - 2,3

Température moyenne du trimestre le plus froid - 0,3

Température moyenne du trimestre le plus humide - 0,1

Température moyenne du trimestre le plus sec - 1,3

Il y a quand même lieu de dire qu’un nombre limité de facteurs permet de mieux interpréter les

résultats. D’autant plus que la contribution de certaines variables est très légère par rapport à celle des

autres. Cela peut être dû à une forte colinéarité des variables et il est donc préférable d’en éliminer

quelques-unes pour obtenir la vraie contribution des variables les plus importantes.


41

La différence entre les deux modèles aussi réside dans les données d’observation du Tsiperifery

utilisées. Le site web Tropicos a été actualisé entre temps et donne beaucoup plus de points

d’observation de l’espèce ce qui est primordial pour le modèle produit. Les cartes de distribution

potentielle de l’espèce issues de ces modèles ne se ressemblent pas (cf. carte 1 et annexe 8).

3.2.2. Surfaces de présence de l’espèce

Comme mentionné dans les limites méthodologiques, cette étude n’a pas pu sortir le stock

disponible de Tsiperifery au niveau national à cause des données non fiables sur la densité de la

population de l’espèce et de sa production par pieds. En effet, en termes de fructification, il a été observé

selon les auteurs, 1 à 25 kilogrammes de grappes fructifères par liane adulte (RAZAFIMANDIMBY,

2011 ; TOUATI, 2012 ; LEVESQUE, 2012). Il y a un écart énorme entre ces chiffres évoqués par

différents auteurs, c’est pour cette raison que la présente étude se focalise surtout sur les surfaces de

présence de l’espèce en vue de distinguer les zones les plus propices au développement et à l’exploitation

du poivre sauvage de Madagascar.

D’autre part, la décentralisation de la gestion forestière prévue par la loi GELOSE5 constitue

une opportunité pour les populations locales, organisées en communauté locale de base (CLB), pour

reprendre le contrôle de leur terroir et de ses ressources forestières. Ce transfert représente une occasion

de valorisation de la filière pour une production durable. La gestion de proximité permise par le contrat

vise l’exploitation raisonnée des ressources dans la mesure où elle limite l’accès à la ressource aux

membres de la CLB et impose des règles de conservation et d’exploitation durable. Selon l’article 43 de

la loi GELOSE : « Dès sa notification, l’agrément confère à la communauté de base bénéficiaire

pendant la période indiquée dans l’acte, la gestion de l’accès, de la conservation, de l’exploitation et

de la valorisation des ressources objets de transfert de gestion sous réserve du respect des prescriptions

et des règles d’exploitation définies dans le contrat de gestion ».

Cependant, dans les bassins de collecte du Tsiperifery, la dynamique des contrats de transfert

de gestion en est encore à un stade embryonnaire. En 2013, 13 contrats de transfert de gestion ont été

recensés dans le district d’Anjozorobe ; 33 contrats initiaux répartis dans les districts d’Anjozorobe, de

Manjakandriana et d’Andramasina. De plus, une étude réalisée en 2014 déplore les dysfonctionnements

de ces VOI, notamment dans le district de Manjakandriana.

En tout état de causes, les TGRNR ne concernent à ce jour pas le poivre sauvage de Madagascar.

De ce fait, ils ont été considérés comme étant des contraintes à l’exploitation dans cette étude car le

Tsiperifery ne figure pas dans les contrats de gestion, donc ne peuvent pas normalement être collectés

dans les zones dont la gestion est transférée à la communauté locale.

5 Loi 96-025 du 30 septembre 1996, dite loi GELOSE, relative au transfert de gestion des ressources naturelles

aux communautés locales de base.


42

3.2.3. Bassins d’approvisionnement

La méthode utilisée pour déterminer l’accessibilité aux bassins d’approvisionnement du

Tsiperifery s’est focalisée sur la marche à pied car sa collecte s’effectue en forêts. Vu qu’il s’agit d’une

étude au niveau national et que les facteurs utilisés (pentes et routes) ne permettent pas une précision

élevée des cartes pour un niveau plus local, certaines zones qui peuvent être accessibles sont considérées

par le modèle comme inaccessibles. Ceci s’explique par le fait que les moyens de transport n’ont pas pu

être pris en compte car il s’agit de distinguer les bassins d’approvisionnement les plus accessibles par

rapport aux marchés les plus proches. Les cueilleurs du poivre circulent souvent à pied pour la récolte

en forêt et la vente aux marchés locaux ou surtout auprès des collecteurs. Mais une fois arrivé au marché,

des moyens de transport acheminent le produit vers d’autres marchés plus importants et le Tsiperifery

peut circuler vers les zones desservies par le réseau routier ou même être exporté à ce moment. Pour

pouvoir intégrer des variables (telles que l’occupation du sol, les moyens de transport disponibles) qui

permettent de produire une carte d’accessibilité plus précise, des études sur les zones (plus restreintes)

les plus intéressantes doivent être effectuées.

Dans les études déjà réalisées, les cueilleurs signalent des déplacements de plus en plus longs

en forêt (passage de 1 à 6 heures de marche dans certaines zones) afin de trouver des lianes fructifères

(TOUATI, 2012). Il s’agit là des effets de la collecte destructive du Tsiperifery sur sa production et son

milieu de développement. Néanmoins, le modèle de distribution de l’espèce en 2100 a permis de

constater que le retrait de la couverture forestière provoque la diminution de ses surfaces de présence.

Ce qui engendre une réduction importante des bassins d’approvisionnement en poivre sauvage de

Madagascar, causée cette fois ci par la déforestation. Les modèles qui sont produits dans la présente

étude sont toutefois assez généraux, ils donnent une idée des zones d’intérêt qui méritent plus

d’investigations et de recherches dans cette voie selon les besoins.

3.3. Vérification des hypothèses

Les trois (3) hypothèses émises au tout début de cette présente étude sont :

- Hypothèse 1 : La répartition du Tsiperifery est fortement dépendante des précipitations

- Hypothèse 2 : Les surfaces potentiellement exploitables de l’espèce sont sujettes à des

restrictions d’exploitation et des contraintes environnementales

- Hypothèse 3 : La proximité de la ressource par rapport aux marchés permet de déterminer les


A l’issue des analyses et interprétations des résultats, la vérification de ces hypothèses peut

s’effectuer.


43

Hypothèse 1 : La répartition du Tsiperifery est fortement dépendante des précipitations

La contribution du facteur précipitations sur la distribution de l’espèce, d’après les modèles

obtenus, permet de vérifier cette première hypothèse. Il s’agit de comparer la contribution de cette

variable par rapport à celle des autres facteurs. Il est aussi question de voir l’évolution de cette

contribution entre le modèle actuel et celui en 2100.

Les précipitations du trimestre le plus humide, les précipitations du trimestre le plus chaud et

les précipitations annuelles contribuent respectivement à 3,7%, 3,2% et 2,1% sur la distribution du

poivre sauvage de Madagascar selon le modèle actuel de répartition. Elles ont une contribution très

faible par rapport à celle de la couverture forestière (34%) et celle de la température maximale de la

période la plus chaude (30,3%). D’après ce modèle, la température est alors un facteur plus important

que les précipitations pour favoriser le développement de l’espèce. Selon le modèle de distribution en

2100, la température maximale de la période la plus chaude est le facteur qui contribue le plus au

développement du Tsiperifery avec un pourcentage de 51,2%. Les précipitations de la période la plus

sèche (8,3%), les précipitations du trimestre le plus chaud (7,3%) et la couverture forestière (3,3%) ont

un taux de contribution minime par rapport à celui de la température. Il a été mentionné que le faible

taux de contribution de la couverture forestière sur la distribution de l’espèce pour le modèle de 2100

peut être dû au logiciel mais en pratique son développement nécessite cette couverture car il s’agit d’une

espèce à tempérament sciaphile. Il peut donc être conclu que les précipitations jouent toujours un rôle

minime mais non négligeable sur la répartition de cette ressource. La première hypothèse est alors

réfutée.

Hypothèse 2 : Les surfaces potentiellement exploitables de l’espèce sont sujettes à des restrictions

d’exploitation et des contraintes environnementales

Les restrictions d’exploitation dont il est question ici sont les AP, NAP et TGNR où les

prélèvements de produits forestiers (fruits pour le poivre sauvage de Madagascar) sont règlementés et

même interdits. Il s’agit donc de comparer la surface de présence de l’espèce dans ces zones de

restriction et celle en dehors. D’après les résultats y afférents, seulement 31% de la surface totale

d’occurrence du Tsiperifery selon le modèle de répartition actuelle se trouve hors des SAPM et TGRNR

soit 1 282 091 ha exploitables. Ce qui signifie que la majorité de son aire de présence (69%) est soumise

à des restrictions d’exploitation sauf en présence de permis ou d’autres formes d’autorisation à

l’exploitation.

Pour ce qui est des contraintes environnementales, il s’agit des effets des changements

climatiques et de la déforestation sur la répartition de l’espèce. Le modèle de prédiction en 2100 est

employé pour la vérification de l’hypothèse. Les résultats ont montré une diminution de 2 850 817 ha

de la surface totale de distribution potentielle de l’espèce pour cette période. Soit une réduction globale

de 70% de cette surface d’occurrence par rapport à celle du modèle de distribution actuelle. Il est

constaté que la déforestation est la principale cause de ce retrait des surfaces de présence de l’espèce.


44

Il peut être conclu que les surfaces potentiellement exploitables du poivre sauvage de

Madagascar sont majoritairement sujettes à des restrictions d’exploitation et des contraintes

environnementales. La seconde hypothèse est donc confirmée.

Hypothèse 3 : La proximité de la ressource par rapport aux marchés permet de déterminer les


L’accessibilité aux bassins d’approvisionnement par les cueilleurs est nécessaire pour vérifier

cette hypothèse. Si la ressource se trouve à moins de 2 heures et entre 2 à 5 heures de marche en partant

des marchés, elle est qualifiée respectivement comme accessible et moyennement accessible donc

relativement proche des marchés. Au-delà de 5 heures de marche, elle est considérée comme éloignée

et difficilement accessible. Or, si la ressource est accessible, elle peut être vendue sur le marché et le

lieu de collecte est considéré comme bassin d’approvisionnement.

Pourtant, il n’est pas évident qu’un bassin d’approvisionnement se trouvant à proximité des

marchés soit exploitable de manière durable, car le potentiel de production est aussi un critère

primordial. Il est possible que la ressource s’épuise rapidement après quelques exploitations si la surface

exploitable ne permet pas de satisfaire la demande. Tel est le cas par exemple du bassin

d’approvisionnement de Manjakandriana avec 2 027 ha exploitables comparé à celui de Moramanga

avec 50 999 ha exploitables selon le modèle de répartition actuelle du Tsiperifery. Le bassin

d’approvisionnement de Moramanga est alors considéré comme plus intéressant que celui de

Manjakandriana. De même pour le modèle de distribution de l’espèce en 2100, le bassin

d’approvisionnement de Befotaka (17 906 ha exploitables) est considéré comme plus intéressant que

celui d’Anjozorobe (1 053 ha exploitables). Cependant, il faut remarquer que 1 000 et 2 000 ha

représentent d’énormes superficies mais elles sont tout simplement minimes comparées à celles des

autres bassins recensés.

Néanmoins, la proximité de la ressource par rapport aux marchés est un critère essentiel à

considérer pour déterminer un bassin d’approvisionnement. La troisième hypothèse est alors vérifiée.

3.4. Recommandations

Les recommandations proposées pour cette étude sont à la fois d’ordre technique et

opérationnel. Comme il a été mentionné dans les limites méthodologiques, l’absence de travaux de

terrains n’a pas permis la validation des cartes et de connaître la réalité sur terrain concernant les bassins

d’approvisionnement et leur accessibilité. Il est donc nécessaire pour les recherches futures en rapport

avec ce travail de valider les résultats, notamment les points de présence si d’éventuels changements se

sont produits mais aussi les surfaces de présence dans les modèles si elles sont conformes à la réalité.

Cette étude se veut également de favoriser les actions dans le but d’atteindre les deux (2) principaux

objectifs suivants : orienter les recherches vers des niveaux plus locaux et valoriser les ressources en

Tsiperifery de manière durable.


45

Objectif 1 : Orienter les recherches vers des niveaux plus locaux

Le présent travail s’est focalisé sur la distribution nationale du Tsiperifery et ses bassins

d’approvisionnement. Il s’inscrit dans un contexte plus global mais a permis de ressortir les zones qui

méritent des études plus poussées en termes de filière de cette espèce.

Différents projets sont également en cours sur l’exploitation de cette ressource et il serait

avantageux d’effectuer des recherches en parallèle avec ces projets afin de faciliter les prises de décision

future et d’avoir des bases de données pertinentes à cet effet.

Les activités à entreprendre sont :

- réaliser une cartographie plus précise des bassins d’approvisionnement déjà identifiés

Divers projets sont menés concernant le poivre sauvage de Madagascar en ce moment tels qu’à

Mandraka, Vohemar, Anjozorobe, Ranomafana et dans d’autres localités. La production de carte

d’accessibilité à la ressource dans ces différentes zones peut déjà constituer des données importantes et

plus fiables permettant d’envisager les actions à réaliser. Il sera alors plus facile de délimiter la zone de

collecte du Tsiperifery.

- effectuer des études et des analyses sur l’offre et la demande en Tsiperifery

Il s’agit des enquêtes au niveau des marchés, des cueilleurs, des collecteurs, des exportateurs et

même des consommateurs (la filière Tsiperifery) afin d’avoir des données sur ces paramètres. Des

inventaires de l’espèce à l’intérieur des forêts peuvent également fournir des données fiables sur sa

production. Il faut tout de même remarquer que des travaux sont en cours, en relation avec cette activité,

sur l’étude de la filière Tsiperifery.

Objectif 2 : valoriser les ressources en Tsiperifery de manière durable

La méthode de cueillette du poivre sauvage de Madagascar est destructive et représente un

danger pour la régénération de cette ressource. L’abattage des tuteurs avec les lianes est la méthode de

collecte la plus utilisée, ensuite l’arrachage des lianes mais une petite partie des cueilleurs seulement

grimpent pour extraire les fruits. Les lianes fructifères les plus productives sont souvent récoltées donc

leur chance de régénérer est minime. Seules les lianes moins productives ont une forte chance de se

régénérer et cela diminue le potentiel de production de l’espèce.

Les activités à entreprendre pour l’atteinte de ce deuxième objectif sont :

- trouver des méthodes de collecte moins destructives

Il est primordial de mener des recherches sur les méthodes de collecte occasionnant les moins de

dégâts possible sur la ressource. Tout en assurant que ces méthodes soient connues et appliquées par les

cueilleurs lors de la récolte. Il faut également encourager la régénération des lianes en forêt. Des études

sont également en cours pour cette activité au sein du DP Forêts et Biodiversité.


46

- exiger et appliquer les conventions de collecte avant l’exploitation

Chaque maillon de la filière Tsiperifery doit être soumis à des obligations concernant la collecte et

la vente de la ressource. Des redevances doivent être payées en contrepartie des collectes en forêt auprès

des autorités compétentes par tous les acteurs : cueilleurs, collecteurs et autres opérateurs économiques.

- développer les recherches sur la domestication du Tsiperifery

Dans le but de protéger la ressource contre l’extinction, les études sur sa domestication doivent être

privilégiées. De plus, la méthode de collecte destructive peut accélérer ce phénomène d’extinction si les

résultats tardent à être opérationnels. Les activités de multiplication végétative (bouturage) qui ont des

résultats positifs doivent être poussées et reproduites dans d’autres sites. Selon RAFITOHARSON

(2016), la réussite du bouturage du Tsiperifery est influencée par le morphotype et par la provenance.

De même, la reprise et l’enracinement des boutures sont meilleurs sur les stolons que sur les rameaux

mais ils ne sont pas influencés par le substrat utilisé.


47

Tableau 13 : Cadre logique d’intervention

Objectif 1 : Orienter les recherches vers des niveaux plus locaux

Activités Sous activités Echéance Responsables/Acteurs IOV Moyens de

vérification

Réaliser une cartographie

plus précise des bassins

d’approvisionnement déjà

identifiés

Collecter les données dans les

zones d’études choisies

Moyen terme Chercheurs, organismes

de recherche

- Nombre de cartes de bassins


utilisables et fiables

- Bases de données

informatisées

- Rapport d’activités Définir les facteurs pouvant

influencer l’accessibilité aux


Produire des cartes avec des

données à résolution spatiale

élevée

Effectuer des études et des

analyses sur l’offre et la

demande en Tsiperifery

Effectuer des enquêtes auprès

des acteurs de la filière sur la

consommation du produit

Moyen à long

terme

Chercheurs, opérateurs

économiques

- Production annuelle de

l’espèce (taux d’exportation)

- Calcul du stock de Tsiperifery

- Rapport

d’enquêtes

- Rapport d’activités

Inventorier l’espèce dans

différentes zones

Identifier la production par

pieds et la densité de la

population du Tsiperifery


48

Objectif 2 : valoriser les ressources en Tsiperifery de manière durable

Activités Sous activités Echéance Responsables/Acteurs IOV Moyens de

vérification

Trouver des méthodes de

collecte moins

destructives

Confectionner des outils

simples mais moins

destructifs pour la cueillette

Court à

moyen terme

Chercheurs, techniciens,

cueilleurs, ONG

- Nombre d’outils de collecte

produits

- Nombre de cueilleurs utilisant

des méthodes de collecte

moins destructives

- Nombre de zones de cueillette

recensées

- Surface de zones enrichies

- Rapport de

formation


Vulgariser l’utilisation des

matériels non destructifs par

les cueilleurs

Sensibiliser des cueilleurs à

collecter uniquement les

fruits matures, afin

d’encourager la régénération

des lianes

Délimiter les zones de

cueillette

Enrichir les zones

surexploitées

Exiger et appliquer les

conventions de collecte

avant l’exploitation

Inciter les acteurs de la filière

à signer des conventions de

collecte pour les

prélèvements effectués

Court, moyen

à long terme

DVRF, Ministère de

l’Agriculture, cueilleurs,

collecteurs, opérateurs

économiques

- Nombre de conventions de

collecte signées

- Superficies reboisées

- Redevances perçues


- Rapport de suivi

annuel


49

Solliciter le paiement des

redevances en nature

(reboisement)

- Rapport

d’évaluation

Réclamer le paiement des

redevances en espèce et celles

à l’exportation

Développer les recherches

sur la domestication du

Tsiperifery

Chercher les techniques de

reproduction permettant la

domestication de l’espèce

Moyen à long

terme

Chercheurs, techniciens - Nombre de techniques de

reproduction opérationnelles

- Nombre de boutures

effectuées


Amplifier les multiplications

végétatives qui ont réussi

CONCLUSION

50

Conclusion

A la lumière de cette analyse, la mise à jour sur la connaissance de l’aire de distribution

potentille du Tsiperifery à Madagascar a permis de proposer des stratégies pour sa gestion durable. Ce

qui est l’objectif principal de cette présente étude. Les modèles de distribution de l’espèce sont issus du

logiciel de modélisation MaxEnt qui utilise les données d’observation et des variables explicatives pour

prédire sa répartition potentielle. Deux modèles en sont sortis, celui de la distribution actuelle avec un

AUC excellent de 0,94 et celui de la distribution potentielle en 2100 avec un AUC de 0,939. Ce qui

montre un pouvoir prédictif élevé des modèles. Ces derniers sont à la base de toutes les analyses qui ont

suivi car une fois obtenue, ils ont permis d’estimer les surfaces de présence du Tsiperifery par district.

Selon le modèle de distribution actuelle, il a été remarqué que la majorité des surfaces de

présence de l’espèce est sujette à des restrictions d’exploitation. Une partie importante de la ressource

est contenue dans les aires protégées et les transferts de gestion. Concernant le modèle de répartition

potentielle de l’espèce en 2100, il a permis de constater qu’une grande partie de la surface totale de

présence du Tsiperifery est devenue défavorable à son développement. Ce qui laisse à croire que la

déforestation et les changements climatiques provoquent la régression des surfaces d’occurrence de

l’espèce. Selon l’accessibilité aux bassins d’approvisionnement, quatre (4) districts ont été qualifiés

d’intéressants en termes d’exploitation en raison de leur proximité aux marchés et de leur superficie

assez importante par rapport à celle des autres.

Trois hypothèses ont été émises pour répondre à la problématique de cette étude. La première

concerne la contribution du facteur précipitations sur la répartition du Tsiperifery. Elle a été réfutée vue

que la couverture forestière est la variable la plus importante pour le développement de l’espèce suivie

de la température tandis que la précipitation a une faible contribution selon les deux modèles obtenus

dans cette étude. La deuxième hypothèse examine les effets des restrictions d’exploitation et des

contraintes environnementales sur les surfaces potentiellement exploitables du poivre sauvage de

Madagascar. Elle a été vérifiée car les effets de ces facteurs sont énormes, ils affectent considérablement

les surfaces de présence de l’espèce pouvant être exploitées. La troisième hypothèse parle de la

proximité de la ressource aux marchés comme étant le facteur déterminant pour l’identification des

bassins d’approvisionnement en Tsiperifery. Cette dernière hypothèse a également été confirmée car

cette proximité est un critère indispensable pour permettre l’identification en question.

Cependant, les résultats obtenus manquent de précision et méritent des validations sur terrain,

notamment ceux sur l’accessibilité aux bassins d’approvisionnement. Les recommandations suggèrent

donc une orientation des recherches vers des niveaux plus locaux pour avoir plus de fiabilité dans les

résultats et une valorisation durable du poivre sauvage de Madagascar.

CONCLUSION

51

En conclusion, les menaces qui pèsent sur la ressource et qui peuvent compromettre sa survie

sont surtout les collectes destructives et la destruction de son habitat (déforestation). Or, la demande en

Tsiperifery est de plus en plus importante actuellement ce qui intensifie encore plus les récoltes. Dans

la mesure où l’espèce s’éteigne avant que la recherche n’offre des solutions efficaces pour sa

conservation (domestication et méthodes de collecte moins destructive), il n’y a plus lieu de s’interroger

sur sa gestion durable. Néanmoins, les travaux dans ce domaine ne font que commencer ou plutôt à mi-

chemin et les résultats obtenus ne sont pas encore complets. Le plus important est donc maintenant de

multiplier les études sur la domestication et les méthodes de collecte du Tsiperifery car elles constituent

un des critères fondamentaux qui peut assurer l’exploitation durable de la ressource.

REFERENCES BIBLIOGRAPHIQUES

52

Références Bibliographiques

1. ANDRIANOELISOA H. (2013), Développement des Bases Scientifiques pour une Gestion et

Valorisation durable du Poivre Sauvage ou Tsiperifery à Madagascar, AGRO FERT’ILES.

2. ANDY N. (2000), Accessibility, transport and travel time information, Modelling across

geographic scales – Activity 2.5, 4-5.

3. ARAÙJO M. B., PEARSON R. G., THUILLER W., ERHARD M. (2005), “Validation of species–

climate impact models under climate change”, Global Change Biology, 11: 1504-1513.

4. BENHADJ I. (2008), Observation spatiale de l'irrigation d'agrosystème semi-arides et Gestion

durable de la ressource en eau en plaine de Marrakech, Université de Toulouse III – Paul Sabatier.

5. BERNARD A-G., ANDRIANAOELISOA H., RAZAFIMANDIMBY H., AUBERT S.,

DANFLOUS J-P. (2014), Synthèse bibliographique sur la filière poivre sauvage à Madagascar,

CIRAD, DP, FOFIFA, France volontaires, Région Réunion.

6. BLUM A., FELDMAN L., BRESLER F., JOUANNY P., BRIANÇON S., & RÉGENT D. (1995),

“Intérêt du calcul du coefficient Kappa dans l’évaluation d’une méthode d’imagerie”, J. Radiol.,

76: 441-443.

7. COHEN J. (1960), “A coefficient of agreement for nominal scales”, Educational and

Psychological, 20: 37-46.

8. CONESA A. (2010), Modélisation des réseaux de transports collectifs métropolitains pour une

structuration des territoires, Thèse de doctorat en Aménagement de l’Espace-Urbanisme, INRETS

Université de Lille 1.

9. CONGALTON R. (1991). “A Review of Assessing the Accuracy of Classifications of Remotely

Sensed Data”, Remote Sens. Environ., 37: 35-46.

10. COQUIO J. (2008), La performance adaptative des réseaux de transports collectifs. Modélisation,

mesure de vulnérabilité et évaluation quantitative du rôle de l'information des voyageurs dans la

régulation des situations perturbées, Thèse de doctorat en Aménagement du territoire, EPU-Tours

(Ex-CESA).

11. DARREN N. (2014), “Model thresholds are more important than presence location type”, Tropical

Conservation Science, 7: 529-547.

12. DEICHMANN U. (1998), Accessibility indicators in GIS, Department for Economic and Social

Information and Policy Analysis, United Nations Statistics Division.

13. ELITH J., GRAHAM C. H., ANDERSON R. P., DUDÍK M., FERRIER S., GUISAN A.,

HIJMANS R. J., HUETTMANN F., LEATHWICK J. R., LEHMANN A., LI J., LOHMANN L.

G., LOISELLE B. A., MANION G., MORITZ C., NAKAMURA M., NAKAZAWA Y.,

OVERTON J. M. C., TOWNSEND C., PETERSON A., PHILLIPS S. J., RICHARDSON K.,

SCACHETTI-PEREIRA R., SCHAPIRE R. E., SOBERÓN J., WILLIAMS S., WISZ M. S.,

ZIMMERMANN N. E. (2011), “Novel methods improve prediction of species’ distributions from

occurrence data”, Ecography, 29: 129-151.


53

14. ELITH J., PHILLIPS S. J., HASTIE T., DUDÍK M., CHEE Y. E., & YATES C. J. (2011), “A

statistical explanation of MaxEnt for ecologists”, Diversity and Distributions, 17: 43-57.

15. FRIEDLAENDER A. S., JOHNSTON D. W., FRASER W. R., BURNS J., PATRICK N. H., &

COSTA D. P. (2011), “Ecological niche modeling of sympatric krill predators around Marguerite

Bay, Western Antarctic Peninsula”, Deep Sea Research Part II: Topical Studies in Oceanography,

58: 1729-1740.

16. GUARINO L., JARVIS A., HIJMANS R. J., MAXTED N. (2002), “Geographic Information

Systems (GIS) and the Conservation and Use of Plant Genetic Resources”, Managing plant genetic

diversity, International Plant Genetic Resources Institute (IPGRI) Rome, Italie 1: 387-404.

17. GUISAN A., THUILLER W. (2005), “Predicting species distribution: offering more than simple

habitat models”, Ecology letters, 8: 993-1009.

18. HUTCHINSON G. E. (1957), “Concluding remarks”, Cold Spring Harbor Symposia on

Quantitative Biology, 22: 415-427.

19. IPCC (2007) Climate Change 2007: Synthesis Report. Cambridge University Press, New York,

USA.

20. LOHANIVO A. C. (2017), Enjeux et perspectives de la gestion communautaire des ressources

naturelles renouvelables après 20 ans d’existence à Madagascar, Thèse de Doctorat en Sciences

Agronomiques et Environnementales, ESSA-forêts, Université d’Antananarivo.

21. LAHOZ-MONFORT J. J., GUILLERA-ARROITA G., MILNER-GULLAND E. J., YOUNG R.

P., & NICHOLSON E. (2010), “Satellite imagery as a single source of predictor variables for

habitat suitability modelling: how Landsat can inform the conservation of a critically endangered

lemur”, Journal of Applied Ecology, 47: 1094-1102.

22. LAWLER J. J., SARAH L. S. (2009), “Projected Climate-Induced Faunal Change in the Western

Hemisphere”, Ecology 90: 588-97.

23. LEVESQUE A. (2012), Etude de différents shémas de vie mis en œuvre sur Tsiperifery, poivre

sauvage malgache. Stage de formation d’ingénieur (2è année) Systèmes Agricoles et

Agroalimentaires Durables au Sud (SAADS), Institut des régions chaudes, Sup Agro Montpellier.

24. MANJATO N., RAMAHEFAHARIVELO A., DAVIDSON C., PHILLIPSON P. (2010), “The

Malagasy species of Piper (PIPERACEAE)”, Poster, Missouri Botanical Garden Madagascar.

25. PARMESAN C., 2006, “Ecological and Evolutionary Responses to Recent Climate Change”,

Annual Review of Ecology, Evolution, and Systematics, 37: 637-669.

26. PEARSON R. G., DAWSON T. P. (2006), “Predicting the impacts of climate change on the

distribution of species: are bioclimate envelope models useful?”, Global Ecology and

Biogeography, 12: 361-371.

27. PEARSON R. G., & THUILLER W. (2006), “Model‐based Uncertainty in Species Range

Prediction”, Journal of biogeography, 33: 1704-1711.


54

28. PEARSON R. G., RAXWORTHY C. J., NAKAMURA M., & TOWNSEND P. A. (2006),

“Predicting species distributions from small numbers of occurrence records: a test case using

cryptic geckos in Madagascar”, Journal of Biogeography, 34: 102-117.

29. PECK M., THORN J., MARISCAL A., BAIRD A., TIRIRA D., & KNIVETON D. (2010),

“Focusing Conservation Efforts for the Critically Endangered Brown-headed Spider Monkey

(Ateles fusciceps) Using Remote Sensing, Modeling, and Playback Survey Methods”, International

Journal of Primatology, 32: 134-148.

30. PHILIPPE M. et DENIS R-D. (2006), La gestion durable de l’environnement à Madagascar :

enjeux, opportunités et contraintes, économie rurale.

31. PHILIPPS J. (2009), A Brief Tutorial on MaxEnt.

32. PHILLIPS S. J., ANDERSON R. P., SCHAPIRE R. E. (2006), “Maximum entropy modeling of

species geographic distributions”, Ecological Modeling, 190: 231-259.

33. PHILLIPS S. J., DUDIK M., SHAPIRE R. E. (2004), “A Maximum Entropy Approach to Species

Distribution Modeling", Proceeding of the Twenty-First International Conference on Machine

Learning, 655-662.

34. RAFITOHARSON N. M. E. (2016), Définition et mise en place d’un protocole de multiplication

du Tsiperifery (Piper sp.) à Beforona en vue de sa domestication, Mémoire de fin d’études pour

l’obtention du Diplôme d’Ingénieur en Sciences Agronomiques et Environnementales au grade de

Master en Foresterie - Environnement, ESSA-forêts, Université d’Antananarivo.

35. RAJAONARIVOTANTELY L. B. (2008), Etude de trois espèces de palmiers endémiques et

menacées de la forêt montagnarde de Marojejy en vue d’un plan de conservation : cas de Dypsis

lokohoensis J. Dransf ; Dypsis coursii Beentje et Dypsis pumila Beentje, Mémoire de fin d’études

pour l’obtention du Diplôme d’Ingénieur en Sciences Agronomiques et Environnementales, ESSA-

forêts, Université d’Antananarivo.

36. RAJAONSON R. (2015), Rapport d’activité sur la descente sur terrain à Bandabe et à

Andranonkazo, commune rurale d’Ambilobe : collecte de données et informations sur la plantation

et l’exploitation de l’espèce Raffia farinifera dans la zone d’Ambilombe, District de Mandritsara ;

résultat de l’analyse spatiale sur la répartition des zones adaptées pour la survie du Raphia face

au changement climatique, Projet REBIOMA-WCS, Antananarivo.

37. RATSARAEFATRARIVO M. (2012), Etude de variabilité spécifique de piper sp. (Tsiperifery)

dans les versants ouest et est du corridor Anjozorobe Angavo et quelques paramètres

caractéristiques de qualité des grains secs de cette espèce, dite : « poivre sauvage » ou «

voatsiperifery », Mémoire en vue de l’obtention du Certificat d’Aptitude Pédagogique de l’Ecole

Normale (CAPEN), Université d’Antananarivo.

38. RAZAFIMANDIMBY H. (2011), Etudes écologique et ethnobotanique de Tsiperifery (Piper sp.)

de la forêt de Tsiazompaniry pour une gestion durable, Mémoire de fin d’étude pour l’obtention de

diplôme d’études approfondies, ESSA-forêts, Université d’Antananarivo.


55

39. SHANNON C. E. (1948). A Mathematical Theory of Communication, Bell System Technical

Journal, vol. 27.

40. THORN J. S., NIJMAN V., SMITH D., & NEKARIS K. A. I. (2009), “Ecological niche modelling

as a technique for assessing threats and setting conservation priorities for Asian slow lorises

(Primates: Nycticebus)”, Diversity and Distributions, 15: 289-298.

41. THUILLER W., & MÜNKEMÜLLER T. (2005), Habitat suitability modelling, 77-85.

42. TOUATI G. (2012), Etat des lieux de la gestion du poivre sauvage de Madagascar : Un produit

forestier non ligneux exploité pour la commercialisation, Mémoire de fin d’étude, ISTOM Ecole

supérieure d’Agro Développement International.

43. VENDITTI V. (1998), Aspects du principe de maximum d’entropie en modélisation statistique,

Université Joseph Fourier.

44. VIRKKALA R., HEIKKINEN R. K., LEIKOLA N., & LUOTO M. (2008), “Projected Large-Scale

Range Reductions of Northern-Boreal Land Bird Species Due to Climate Change”, Biological

Conservation, 141: 1343-1353.

45. VOIRON C., CHERY J-P. (2005), “Espace géographique, spatialisation et modélisation en

dynamique des systèmes”, Res-Systemica, 5: 10-20.

Lois

- Loi nº 96-025 du 30 septembre 1996 relative à la gestion locale des ressources naturelles

renouvelables.

- Loi n° 2001-05 portant code de gestion des aires protégées.

Arrêté

- Arrêté interministériel n° 52005/2010 modifiant l’arrêté interministériel Mine-Forêts n°18633

du 17 octobre 2008 portant mise en protection temporaire globale des sites visés par l’arrêté

n°17914 du 18 octobre 2006 et levant la suspension de l’octroi des permis miniers et forestiers

pour certains site.

ANNEXES

I

Annexe 1 : Description des quatre morphotypes de Tsiperifery

(RAFITOHARSON, 2016)

Morphotype M1 M2 M3 M4

Feuille Oblongue et

crassulescente

Obovale à acumen

obtus

Cordiforme effilée

sur la tige orthotrope

Lancéolée sur la tige

plagiotrope

Plus ou moins coriace,

cordiforme

Inflorescence Blanche verdâtre

devenant jaune

brunâtre à maturité

Pédoncule vert

violacée

Blanche

Pédoncule vert glabre

Jaune Blanche verdâtre

Pédoncule pubescent

Fleur Eparses insérées

systématiquement

suivant une

direction diagonale

sur le diamètre du

rachis

Bractée de forme

triangulaire

Filet de couleur

blanche surmonté

de 2 sacs

polliniques jaunes à

ouverture apicale

Eparses insérées

aléatoirement sur

rachis

Etamines à filet blanc

surmonté de 2 sacs

polliniques jaunes

blanchâtres à

ouverture apicale

Densément serrées

réparties

aléatoirement sur le

rachis

Etamines à filet

blanc surmonté de 2

sacs polliniques à

déhiscence

latitudinale

Eparses insérées

systématiquement

suivant une direction

diagonale sur le

diamètre du rachis

Bractée de forme

triangulaire

Filet de couleur

blanche surmonté de 2

sacs polliniques

blancs à ouverture

apicale

Fruits Ovoïde de 0,5-0,6

cm x 0,4 cm de

diamètre

Pédicelle courte

0,2-0,3 cm avec une

protubérance à la

base

Rouge orangé à

maturité

Globuleux de 0,3-0,4

cm de diamètre

Pédicelle de 0,8-1,2

cm

Ovoïde de 0,3-0,4

cm x 0,4-0,6 cm de

diamètre

Pédicelle pubescent

de 0,4-0,8 cm

Rouge à maturité

ANNEXES

II

Annexe 2 : Illustration de la courbe ROC sur MaxEnt pour le modèle

de distribution actuelle

ANNEXES

III

Annexe 3 : Illustration du seuil de 10 percentile training presence

donné par MaxEnt

Pour le modèle de distribution actuelle, une probabilité inférieure ou égale à 0,183 correspond

à une zone d’absence du Tsiperifery et une probabilité supérieure à 0,183 correspond à une zone de

présence de l’espèce.

Pour le modèle de distribution potentielle en 2100, une probabilité inférieure ou égale à 0,247

correspond à une zone d’absence de l’espèce et une probabilité supérieure à 0,247 correspond à une

zone de présence.

ANNEXES

IV

Annexe 4 : Cartes des couvertures forestières prédites en 2047, 2075 et 2100

ANNEXES

V

ANNEXES

VI

ANNEXES

VII

Annexe 5 : Plages de valeurs des variables influençant la distribution

du Tsiperifery

Intervalles de valeurs pour le modèle de distribution actuelle

Variables Plages de valeurs

Altitude (m) [8 - 2011]

Ecart annuel de température (°C) [11,6 - 21,8]

Ecart diurne moyen (°C) [6,8 - 14,5]

Isothermalité [58 - 74]

Précipitations annuelles (mm) [1081 - 3301]

Précipitations de la période la plus humide (mm) [198 - 500]

Précipitations de la période la plus sèche (mm) [2 - 96]

Précipitations du trimestre le plus chaud (mm) [522 - 1275]

Précipitations du trimestre le plus froid (mm) [10 - 590]

Précipitations du trimestre le plus humide (mm) [543 - 1277]

Précipitations du trimestre le plus sec (mm) [10 - 360]

Saisonnalité de la température [1282 - 2672]

Saisonnalité des précipitations [39 - 114]

Température maximale de la période la plus chaude (°C) [24,2 - 34,3]

Température minimale de la période la plus froide (°C) [5,9 - 18,8]

Température moyenne annuelle (°C) [15,9 - 25,6]

Température moyenne du trimestre le plus chaud (°C) [18,3 - 26,7]

Température moyenne du trimestre le plus froid (°C) [12,2 - 23,6]

Température moyenne du trimestre le plus humide (°C) [18,3 - 26,7]

Température moyenne du trimestre le plus sec (°C) [18,6 - 23,6]

ANNEXES

VIII

Intervalles de valeurs pour le modèle de distribution en 2100

Variables Plages de valeurs

Ecart annuel de température (°C) [12,1 - 22]

Ecart diurne moyen (°C) [6,8 - 14,6]

Isothermalité [56 - 74]

Précipitations annuelles (mm) [1029 - 3094]

Précipitations de la période la plus humide (mm) [211 - 531]

Précipitations de la période la plus sèche (mm) [2 - 77]

Précipitations du trimestre le plus chaud (mm) [533 - 1226]

Précipitations du trimestre le plus froid (mm) [7 - 540]

Précipitations du trimestre le plus humide (mm) [542 - 1288]

Précipitations du trimestre le plus sec (mm) [7 - 304]

Saisonnalité de la température [1297 - 2784]

Saisonnalité des précipitations [47 - 118]

Température maximale de la période la plus chaude (°C) [27,6 - 37,7]

Température minimale de la période la plus froide (°C) [9,2 - 21,7]

Température moyenne annuelle (°C) [19 - 28,4]

Température moyenne du trimestre le plus chaud (°C) [21,4 - 29,9]

Température moyenne du trimestre le plus froid (°C) [15,6 - 26,5]

Température moyenne du trimestre le plus humide (°C) [21,4 - 29,7]

Température moyenne du trimestre le plus sec (°C) [15,8 - 26,6]

Il y a une certaine augmentation de la température (valeurs) entre le modèle de distribution

actuelle et celle en 2100. Par contre, les précipitations diminuent notamment pour les précipitations

annuelles et celles en période sèche. Cela peut s’expliquer par l’accentuation de la sècheresse dans

certaines zones mais les précipitations tombent dans d’autres régions. Elles peuvent être irrégulières,

c’est-à-dire qu’elles sont parfois rares et parfois abondantes selon les régions et les saisons.

ANNEXES

IX

Annexe 6 : Surfaces de présence du Tsiperifery par district pour selon

le modèle de distribution actuelle

Nom Districts Surfaces

exploitables (ha)

Surfaces dans les

SAPM et les TG (ha)

Surfaces de

présence (ha)

Ambalavao 4 234 15 348 19 581

Ambanja 62 285 145 721 208 006

Ambatolampy 2 244 1 066 3 310

Ambatondrazaka 4 937 124 522 129 459

Ambilobe 35 568 87 512 123 080

Amboasary Atsimo 4 592 9 802 14 394

Ambohimahasoa 8 969 3 168 12 137

Ambositra 5 468 33 848 39 316

Amparafaravola 11 892 3 651 15 543

Analalava 23 142 0 23 142

Andapa 6 246 200 823 207 068

Andilamena 56 991 2 317 59 307

Andramasina 8 919 3 615 12 534

Anjozorobe 2 829 10 351 13 180

Anosibe An'ala 49 047 10 890 59 937

Antalaha 67 858 263 271 331 130

Antanambao Manampotsy 5 625 59 5 684

Antanifotsy 0 17 085 17 085

Antsiranana II 4 282 30 118 34 400

Antsohihy 5 972 0 5 972

Bealanana 128 762 72 471 201 233

Befandriana Nord 47 079 35 460 82 539

Befotaka 39 258 37 965 77 223

Betroka 4 032 4 243 8 275

Boriziny 885 0 885

Brickaville 1 789 154 928 156 717

Fandriana 4 442 13 072 17 514

Farafangana 1 411 2 557 3 968

Fenoarivo Atsinanana 46 756 1 084 47 839

Fianarantsoa I 360 0 360

Iakora 34 871 18 691 53 562

Ifanadiana 24 551 46 274 70 825

ANNEXES

X

Ihosy 776 0 776

Ikongo 3 772 70 872 74 644

Isandra 634 0 634

Ivohibe 7 896 59 805 67 701

Lalangina 2 649 24 902 27 552

Mahanoro 6 484 411 6 895

Mampikony 66 0 66

Manakara 1 566 372 1 938

Mananara 86 483 33 643 120 127

Mananjary 5 521 1 193 6 714

Mandritsara 74 917 38 973 113 889

Manjakandriana 2 027 5 969 7 996

Maroantsetra 47 941 398 425 446 365

Marolambo 24 114 39 025 63 140

Midongy Atsimo 22 858 84 970 107 827

Moramanga 50 999 105 754 156 753

Nosy Varika 12 085 16 391 28 476

Nosy Be 637 355 992

Sainte Marie 2 253 284 2 537

Sambava 44 914 60 382 105 296

Soanierana ivongo 70 743 120 016 190 759

Taolanaro 19 625 155 036 174 661

Toamasina II 4 454 74 395 78 850

Tsaratanana 2 240 0 2 240

Vangaindrano 4 579 34 081 38 660

Vatomandry 1 895 159 2 054

Vavatenina 13 186 38 550 51 736

Vohibato 1 548 15 607 17 155

Vohimarina 56 483 15 337 71 820

Vondrozo 3 451 49 478 52 930

Total 1 282 091 2 794 297 4 076 388

ANNEXES

XI

Annexe 7 : Surfaces de présence du Tsiperifery par district pour selon

le modèle de distribution potentielle en 2100

Nom Districts Surfaces de présence

actuelle (ha)

Surfaces de présence

en 2100 (ha)

Pertes de

surface (%)

Ambalavao 19 581 5 563 72

Ambanja 208 006 56 385 73

Ambatolampy 3 310 332 90

Ambatondrazaka 129 459 54 348 58

Ambilobe 123 080 43 483 65

Amboasary Atsimo 14 394 1 432 90

Ambohimahasoa 12 137 0 100

Ambositra 39 316 601 98

Amparafaravola 15 543 4 543 71

Analalava 23 142 737 97

Andapa 207 068 61 108 70

Andilamena 59 307 20 923 65

Andramasina 12 534 1 779 86

Anjozorobe 13 180 1 053 92

Anosibe An'ala 59 937 20 285 66

Antalaha 331 130 162 292 51

Antanambao Manampotsy 5 684 0 100

Antanifotsy 17 085 212 99

Antsiranana II 34 400 15 000 56

Antsohihy 5 972 0 100

Bealanana 201 233 61 606 69

Befandriana Nord 82 539 17 591 79

Befotaka 77 223 17 906 77

Betroka 8 275 235 97

Boriziny 885 0 100

Brickaville 156 717 87 685 44

Fandriana 17 514 873 95

Farafangana 3 968 0 100

Fenoarivo Atsinanana 47 839 7 559 84

Fianarantsoa I 360 0 100

Iakora 53 562 2 728 95

Ifanadiana 70 825 14 302 80

ANNEXES

XII

Ihosy 776 0 100

Ikongo 74 644 25 951 65

Isandra 634 0 100

Ivohibe 67 701 4 756 93

Lalangina 27 552 1 970 93

Mahanoro 6 895 0 100

Mampikony 66 0 100

Manakara 1 938 0 100

Mananara 120 127 18 093 85

Mananjary 6 714 0 100

Mandritsara 113 889 18 341 84

Manjakandriana 7 996 500 94

Maroantsetra 446 365 213 552 52

Marolambo 63 140 15 498 75

Midongy Atsimo 107 827 15 846 85

Moramanga 156 753 31 859 80

Nosy Varika 28 476 4 722 83

Nosy Be 992 550 45

Sainte Marie 2 537 558 78

Sambava 105 296 30 386 71

Soanierana Ivongo 190 759 63 511 67

Taolanaro 174 661 46 138 74

Toamasina II 78 850 28 808 63

Tsaratanana 2 240 0 100

Vangaindrano 38 660 1 616 96

Vatomandry 2 054 100 95

Vavatenina 51 736 18 618 64

Vohibato 17 155 4 347 75

Vohimarina 71 820 10 103 86

Vondrozo 52 930 9 188 83

Total 4 076 388 1 225 571 70

ANNEXES

XIII

Annexe 8 : Niche écologique du Tsiperifery issue de l’étude en 2011

(par RAZAFIMANDIMBY)

modélisation de l’aire de distribution du piper sp. (tsiperifery) à … · 2018-09-12 · un...

Documents